Bickel, S., & Scheffer, T. (2004). Multi-view clustering. In Proceedings of the IEEE international conference on data mining (pp. 19–26). Blaschko, M., & Lampert, C. (2008). Correlational spectral clustering. Computer Vision and Pattern Recognition. DOI:10.1109/CVPR.2008.4587353. CVPR 2008. IEEE Conference on pp. 1–8 (2008). Google Scholar Blaschko, M. B., Lampert, C. H., & Gretton, A. (2008). Sem
Discriminative learning methods for classification perform well when training and test data are drawn from the same distribution. Often, however, we have plentiful labeled training data from a source domain but wish to learn a classifier which performs well on a target domain with a different distribution and little or no labeled training data. In this work we investigate two questions. First, und
GraphLab: A Parallel Framework for Machine LearningDesigning and implementing efficient and provably correct parallel machine learning (ML) algorithms can be very challenging. Existing high-level parallel abstractions like MapReduce are often insufficiently expressive while low-level tools like MPI and Pthreads leave ML experts repeatedly solving the same design challenges. By targeting common pat
大規模疎行列向けの行列分解ライブラリredsvdを公開しました. redsvd 大規模疎行列向けの特異値分解や主成分分析,固有値分解を行うライブラリredsvdを公開しました. 修正BSDライセンスで公開しており,コマンドラインから使える他,C++ライブラリが用意されています. 例えば,行と列数がそれぞれ10万,非零の要素が1000万からなる疎行列に対する上位20位までの特異値分解を約2秒で処理します. 特異値分解とか,使っている技術の詳細とか応用事例を以下に簡単に紹介しましたので,興味のある方は参考にしてください. 特異値分解とは まず行列を適当に復習します.行列Xの転置をX^tと表すことにします.またIを単位行列とし,Oを全ての成分が0である零行列とします.また,行列XX^t=IであるようなXを直交行列と呼びます.Xが直交行列の時,Xvはベクトルvを長さを変えずに回転させます.ここでは
Learn here: https://www.real-english.com/Real English was a really simple idea. Why not film English-speaking people we meet on the street, instead of using...
#BusinessEnglish #BusinessEnglishVocabulary #BusinessEnglishConversation #BusinessEnglishCourseLearn Business English with Business English Pod. Download mo...
High quality English lessons from basic to fluency levels taught by Steve Ford
Firefox/Chrome/Safari対応:「イベント(Events)」や「リクエスト(Requests)」などなど、Facebookのインターフェイスはてんこ盛りすぎて、若干、ゴチャゴチャ感がありますね。そんなFacebookを、自分好みにスッキリ整理できるスクリプトがあるそうです。 ユーザスクリプト「Minimalist Facebook」は、インストールすると、自分の表示させたいコンテンツだけを、Facebookに表示させることができます。とくに、ウザい感の強い右カラムを非表示にできるのはいいですね。 ちなみに、ビフォーアフターはこんな具合。 ニュースフィードでは、右カラムを取り除いたことで、各投稿が、より広く表示されるようになっています。 また、画像ページも画像のサムネイルだけが表示されるので、かなりシンプルになりましたね。「画像アップロード(+ Upload Photos)」
映画館に行く前に、映画の前評判を押さえておきたいという人は「fflick」をチェックしてみてください。fflickは、Twitter上にあふれている映画の評価やレビューを集め、整理して見せてくれるサイトです。 fflickでは、Twitter上で今一番話題になっている映画や、自分が気になっている映画に関して、みんながどんな感想をtweetしているか、チェックできます。映画のレビューを読んだら、アメリカ国内のみですが、上映している映画館情報がチェックできたり、チケットの購入ができたり、DVDが出ている場合は、レンタルの予約ができたりもします。 例えば、日本では2010年10月公開の3Dアニメ映画「怪盗グルーの月泥棒(原題:Despicable Me)」の場合は、91%の人が好評価をしています。レビューは、最新のもの、良い評価、悪い評価、などのリストに分かれていて、とても見やすいです。 気にな
主催 日本オペレーションズ・リサーチ学会 実践的データマイニング研究部会 協賛 経営情報学会関西支部 株式会社 玉屋 ビジネスマイニング研究センター有限責任事業組合 趣旨 ファッションは実に多くの要素を持つデータとして分解することが可能であり、それに基づいて行われる人間の選択は大変興味深いものがあります。一般のPOSデータでは、単に商品名(あるブランドのスーツなど)と売上高はわかるものの、その商品がなぜ選択され、どうして人気があるのかといったことは、なかなかそれだけではわかりません。実際には、商品の色の状態、模様、形などを表現している画像データ、商品の特性、そしてそれを選択した人の個人属性や嗜好などは、商品選択に大きな影響を与えることが予想されます。このようにできるだけ多くのファッション選択にかかわる要素に特化したデータは調べた限り利用できるものはないため、本研究部会では、でき
フルタイムで働きはじめて4ヶ月。 いろんなことがありました。 今日はインターンが来ているということもあり日頃のC++コーディングライフの中で大変重用しているツールを紹介します。といってもどれも有名なツールでググれば解説がでてくるとは思いますので、一言ずつだけ紹介してみます。みなさんも何かよさげなライブラリ・ツールがありましたら教えてください。 - valgrind/callgrind/cachegrind プログラムの実行結果を解析するツール群。まぁ、王道であえて紹介する必要はないかもしいませんが.。valgrindはプログラムのどこかでメモリが漏れているかどうかのチェックに使います.コードのどの部分で確保した領域がどこで漏れているかまで追跡することができます valgrind --leak-check=full command プログラムのどのが計算量的にボトルネックになっているかを調べ
を作りました。 http://github.com/tanakh/cmdline 何か コマンドライン引き数の解析を助けるライブラリです。同じ目的のライブラリに、Cの標準関数であるgetoptやgoogleのgflagsなどがありますが、cmdlineは適当に使えてそこそこ便利というのを目指しています。getoptは使いにくいし、usageも自分で書く必要がある。gflagsはライブラリをインストールしたり、リンクしたりちょっと大掛かり。cmdlineは、1ヘッダファイルで、コピーするだけで使えて、修正BSDライセンスで公開しているので、自由にプログラムに取り込んでいただけます。 コードサンプル #include "cmdline.h" int main(int argc, char *argv[]) { cmdline::parser p; p.add("hoge", 'h', "hog
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