Lecture Notes
渡辺ホーム ここでは2015年度まで行っていた講義「情報学習理論」の概略をまとめています。 人工知能を作るときに使われる学習モデル、具体的には ニューラルネット・深層学習・サポートベクトルマシン・混合正規分布・ボルツマンマシン・ 自己組織化写像などについて紹介しました。 プログラムは MATLAB あるいは octave で動くと思います。 初めてのみなさまに 人工知能とは何ですか , 講義内容 第０１回 学習とは ノート, メインプログラム , 描画プログラム1 , 描画プログラム2 , データ描画プログラム, 学習用データ , テスト用データ. 第０２回 教師あり学習 テンソルマシン ノート, メインプログラム 第０３回 教師あり学習 最急降下法 ノート, メインプログラム 第０４回 教師あり学習 誤差逆伝播法 ノート, メインプログラム 第０５・@教師あり学習 神経回路網の数理 ノ
Hama-Labo – Hamagami Laboratory
研究室にて作成した機械学習の勉強に役に立つスクリプトやちょっとした実験のアイデアなどを残しておきます。 JavaScriptで機械学習 Implemented by H.Sasaki 線形回帰(Linear Regression) 線形識別(Linear Discriminant, Perceptron) 線形識別（Linear Discriminant, Logistic) ニューラルネットワーク(Neural Network) サポートベクトルマシン(Support Vector Machine) ブースティング(AdaBoost) 決定木(Decision Tree, binary) 決定木(Decision Tree, real value) 強化学習(Reinforcement Learning) k近傍クラスタリング(k-means clustering) WordPressで
ymuto109の日記 - AdaBoostに関する調査
AdaBoost は Freund と Schapier によって提案された． 学習データが外れ値などのノイズをあまり含まなければ，高い判別能力を示す． 変種として Discrite AdaBoost, Gentle AdaBoost, Real AdaBoost, Logit AdaBoost, Modest adaBoost などがある． 損失関数 上記の AdaBoost, Logit Boost, MadaBoost は損失関数によって異なるのみ（？） (http://www.msi.co.jp/vmstudio/materials/files/misc/boosting.ppt を見よ） ブースティングの案内ページ http://ibisforest.org/index.php?%E3%83%96%E3%83%BC%E3%82%B9%E3%83%86%E3%82%A3%E3%83
機械学習初心者が、素早く学べるコンテンツとライブラリ19選（Python編） - paiza times
Photo by Horia Pernea こんにちは。谷口です。 最近「機械学習に興味がある」「いつかやろうと思ってるんだよね……」と言うエンジニアの方をよく目にします。また、その倍ぐらい「機械学習難しすぎて挫折した」という方も見ます。 弊社のITエンジニアにも機械学習を勉強中という人がいますが、特に最初は難しすぎて何から手を付けたらいいのかよく分からず、とても悩んだと言っていました。そこで同じような悩みを抱えている方の参考になればと思い、初心者の頃に参考になった機械学習入門者の方に役立ちそうな記事やスライドを聞いてきました。 また、Pythonには機械学習のためにデータを処理するライブラリ（数値演算をするためのライブラリや図を作成するためのライブラリなど……）がそろっていて、呼び出したり組み合わせて処理したり……といったことがしやすいため、多くの人が機械学習で使っています。コードも短く
人工知能のカレンダー | Advent Calendar 2015 - Qiita
About reserved postingIf you register a secret article by the day before the same day, it will be automatically published around 7:00 on the same day. About posting periodOnly articles submitted after November 1 of the year can be registered. (Secret articles can be registered anytime articles are posted.)
Sideswipe
フォロワーが話題にしていたので記事にしました。 当然「変わらない」という話なのですが、それだと面白くありません。 まっとうな答え いいえ。 ハードディスクはなにかの物質を入れたり出したりするわけではなく、磁気を変化させてデータを記録します。 磁気が変わるだけなので、重さは変わりません。情報に質量はありません。 すこし凝った答え 軽くなります。 ハードディスクは回転部品が含まれているので、次第に摩耗していくぶん、その摩耗した部品がHDDから失われると考えれば、わずかずつ軽くなります*1。 より興味深い答え 重くなります。 みなさんが期待していた回答です！どうにかして「データを保存するほど重くなる」という結論を導きましょう。 重くなる理由 色々な考え方がある気がしますが、まず直感的に考えられるのは ランダウアーの原理 と 相対性理論 を使うものでしょう。ここでもこれを使ってみます。 ランダウア
Pythonや機械学習、そして言語の競争について – 極めて主観的な見地から | POSTD
(訳注：2016/1/5、いただいた翻訳フィードバックを元に記事を修正いたしました。) よくある主観的で痛烈な意見を題名に付けたクリックベイト（クリック誘導）記事だろうと思われた方、そのとおりです。以前指導してくれた教授から教わったある洞察/処世術は、些細でありながら私の人生を変えるマントラとなったのですが、私がこの記事を書いたのはそれによるものです。「同じタスクを3回以上繰り返す必要があるなら、スクリプトを書いて自動化せよ」 そろそろ、このブログはなんだろうと思い始めているのではないでしょうか。半年振りに記事を書いたのですから。ツイッターで書いた Musings on social network platforms（ソーシャル・ネットワークプラットフォームについてじっくり考える） はさておき、この半年の間書き物をしていないというのはうそです。正確には、400ページの 本 を書きました。
機械学習をこれから始める人に押さえておいてほしいこと - Qiita
いしたーです。アルバイトで機械学習やってます。こんにちは。 とある勉強会に出席したときに、「機械学習をやりたいけどわからないことが多い」という意見を聞いたので、いくつかアドバイスを載せておきます。 読む前の注意 研究についてのアドバイスは書いていません。趣味で機械学習をやろうと思っている方が対象です。 この記事は他の方の意見をまとめたものではありません。私個人の経験に基づいて書いたものです。よって、この記事の内容はほとんど「私の意見」です。 以上2つの注意点を踏まえた上でお読みください。 「機械学習で何をしたいのか」を決めてほしい 機械学習を学ぶ前に、機械学習を使って何をしたいのかを決めてください。 機械学習は数式がたくさん登場したり、難しい概念を理解しなければならなかったりすることがあります。 やりたいことを決めてから学ぶと、今自分はある目的を達成するために学んでいるんだと思うことができ
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
