LibSVMのcross validationオプションでprecision/recallを出力する - シリコンの谷のゾンビ
SVMの定番ツールのひとつであるlibsvmにはcross validationオプション(-v) があり，ユーザが指定したFoldのcross validationを実行してくれる． 実行例 % ./svm-train -v 2 heart_scale * optimization finished, #iter = 96 nu = 0.431885 obj = -45.653900, rho = 0.152916 nSV = 70, nBSV = 49 Total nSV = 70 * optimization finished, #iter = 84 nu = 0.512665 obj = -57.742885, rho = 0.134158 nSV = 78, nBSV = 61 Total nSV = 78 Cross Validation Accuracy = 81.8519%
[Think IT] 第2回：ニューラルネットワークの構造を知る！ (1/3)
【ネットワーク教習所】 ニューラルネットワークの可能性 第2回：ニューラルネットワークの構造を知る！ 著者：名古屋工業大学大学院工学研究科 岩田 彰 公開日：2008/03/12（水） ニューラルネットワークとニューロンモデル ニューラルネットワークは脳の神経回路網における計算方式と同じ方式をコンピュータで行おうとするものである。ニューラルネットワークの特徴は、学習と並列処理であるが、学習とはあらかじめ用意された学習データに基づいて、ある入力が入るとその入力に対応する出力が得られるようにネットワークの結合係数の値を学習することである。文字認識であれば、手書きの「あ」という文字パターンを入力すると、文字コードの「あ」が出力されるということだ。 ネットワークの結合係数を決定するため、どのように学習するかという学習方式があれば、学習データを与えるだけで学習してくれるので手軽にパターン認識機械を作
ニューラルネットワーク入門 〜目次〜
ニューラルネットワーク入門 Copyright(c)1996 Akira Iwata & Toshiyuki Matubara (Iwata Laboratory Nagoya Institute of Technolgy) ０ はじめに 学習の進め方 １ 神経細胞とニューラルネットワーク 神経細胞 ニューロンモデル ニューロンモデルの数式化 ネットワークモデル まとめ ２ 階層型ネットワーク ２．１ パーセプトロン パーセプトロン パーセプトロンの動作と学習 パーセプトロン学習のシミュレーション パーセプトロンの限界 まとめ ２．２ バックプロパゲーション学習 最急降下法 前向き演算 後向き演算１（出力層から中間層） 後向き演算２（中間層から入力層） ＢＰのシミュレーション ＢＰシミュレータ まとめ ２．３ その他の階層型ネットワーク ネオ
ニューラルネットワーク
ニューラルネットワーク（Neural Network)： (人工）神経回路網 ニューラルネットワークとは、生物の脳にある神経細胞（ニューロン）のネットワークの働きをモデル化したものである。 ニューラルネットワークを用いたシステムでは、人間の脳と同じように、物事を記憶し、記憶を元に判断するという機能を実現できると考えられている。 例えば、システムに円や三角といった図形を記憶させ、次に先ほどとは異なる図形を入力したときに、記憶を元に、その図形は円なのか三角なのかを判別したり、数字を記憶させれば、数字を読み取ることが出来るようになる。 ここで、重要な点は、ニューラルネットワークシステムに与える問題の図形や数字は、正解例とは多少ずれた形でも、ある程度システムが正しく判別できる点である。 ＮＮ（ニューラルネットワーク）の学習の例） １． 見本を入力したとき、正解を答えるようになるまで訓練する
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
枝重み付き有向グラフ上の関係強度計算法とランキングシステムにおける妥当性の検討--セマンティックWeb分野にグラフアルゴリズムを使うには | CiNii Research
Dynamic learning rate optimization of the backpropagation algorithm
An algorithm to determine neural network hidden layer size and weight coefficients
Optimization of the backpropagation hidden layer by hybrid K-means-Greedy Algorithm for time series prediction
ニューラルネットの評価
http://www.cis.twcu.ac.jp/~asakawa/waseda2002/bp.pdf
Wakahara