アメリカのWho Wants to Be a Millionaire?で14問目までライフラインを一切使わず正解し、賞金100万ドル(約1億円)をかけた最後の問題。挑戦者のジョン・カーペンターの行動に会場は拍手喝采となった。
一夜目はパターン認識と機械学習の概要を学びました。今夜は、識別部で用いられる機械学習の基本的な線形識別器である「パーセプトロン」を具体的に学びたいと思います。「線形識別器?パーセプトロン?何それ?」字面は厳しいですが、手を動かしてみると意外と簡単に理解できます。今夜からは数式をバリバリ使っていきますし、手を動かしていただきます。「必ず」手元にペンと紙を用意してください。そうは言ってもパーセプトロンが一体何なのか、機械学習の中でどのような位置づけなのかがわからないと混乱するかもしれません。パーセプトロンの説明へ入る前に、機械学習の3つのアプローチをご紹介します。 ●機械学習の3つのアプローチ - 識別関数、識別モデル、生成モデル 機械学習は大きく分けて識別関数、識別モデル、生成モデルという3つのアプローチがあります。 識別関数 := 入力データを見て、特定のクラスに属するよう識別(代表的な手
多忙のため、2011の発表時期は未定とさせていただきます。目処がつきましたらご報告させていただきます。(12/28)※この内容は2010年のものですそろそろ2011年の回顧でもしようかという時期。今更何をやっているんだという感じしかありませんが、恥ずかしながらアップさせていただきました。モノによっては2年近く前の内容を含むため、薄ら寒くなってしまう表現も多々あろうかと思いますが、今との対比を懐かしむ感じで楽しんでいただければ幸いです。一応ですが、今年の結果が作品の内容に影響を及ぼしていると言うことはないです。例によって一時停止推奨動画ですが、よろしくお願いいたします。 /mylist/3264002
はじめに 条件付き確率場(Conditional Random Fields)を実装してみた。 本の式導出がわからなくて、夜な夜なmac book airを涙で濡らしながら書いたので、あやしい。 説明 基本的に「言語処理のための機械学習入門」の本の通りに書いた(つもり、、、) すごく自信ない、勉強用 ダミーラベルのB、EはそれぞれBOS、EOS φ(x,yt,yt-1)ってなってるけど、とりあえずφ_i(xt,yt,yt-1)を素性として利用(「単語」と「その品詞」と「その一つ前の単語の品詞」) 最急勾配法 L2正則化 forward-backwardの部分は何もやってない ちなみに式導出は、上記の本のP.155の真ん中あたり 補足説明 : http://www.lr.pi.titech.ac.jp/~takamura/pukiwiki/index.php?%CA%E4%C2%AD%C0%
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
処理を実行中です
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