基本のNearestNeighbors法(NN法)でパターン認識 - きしだのHatena
とりあえず、パターン認識の一番の基本になるNearestNeighbors法(NN法)でやってみます。 NN法は、判定するデータが、学習に使ったデータのうちの一番近いものに分類する方法です。 自分の字で学習させて自分の字を判定させるなら、これでいいかも、とか思う。 前処理として画像処理してやると、結構いい感じになりそうです。けど、今回は画像処理はあとまわしです。 とりあえず、学習器のインタフェースを用意します。learnメソッドで学習させて、trialメソッドで判定 //LearningMachine.java public interface LearningMachine { //学習 void learn(int cls, double[] data); //評価 int trial(double[] data); } で、NN法を実装させるとこんな感じ。 //NearestNeig
パターン認識 - 画像処理とパターン認識07
画像処理におけるパターン認識 画像処理におけるパターン認識（pattern recognition）とは，観測画像の特徴を用いてあらかじめ定められた複数の概念の一つにその画像を分類する処理をいう．この概念をクラス（class）とよぶ． （例）アルファベット認識・・・入力印刷文字が26個のクラスのうちどれに属するかを識別する処理 パターン認識の流れ パターン認識の（一般的な）処理の流れ画像入力 → 前処理 → 特徴抽出 → クラス辞書との照合 → 識別（クラス出力） このうち，3番目の「特徴抽出」が認識性能の善し悪しを決めるといわれており，パターン認識では最も重要視されている． 特徴を如何に定数化するか？ パターン認識に役立つ「良い」特徴量とは？ 不変特徴とは？ （現在のところ，どんな場合でも有効な特徴量が抽出できるような系統的な手段は存在しないため，人間の直観によるヒューリスティックな手法
プログラマー面接時の技術的な質問事項(アプレッソ版) : 小野和俊のブログ
技術者・SE・プログラマ面接時の技術的な質問事項というエントリをはてブで見かけたのだが、私もjavaプログラマーの面接を割とよくやっているので、よく質問する内容をまとめてみた。 (ちなみに、基本的にコーディング面接の形態を取っている) プロジェクトの性質にもよると思うが、私の場合には、情報処理技術者試験的に基礎が満遍なく抑えられているかどうかよりも、 すぐ答えが見つからないような課題に対して、きちんと自分でやり方を考え、対応することができるか 「変な」コードをコミットしたりしないか(見つけにくいバグを混入させるとか、汚いとか、遅いとか)といった点を重視している。 まず、何を知っているかよりも、どんなものを作れるか、どんなことができるか、という質問。 ここで強烈な回答が来る人は、たいていここより下の質問は「あー、はいはい」という感じでサラッと答えてくることが多い。 これまでに携わってきた開発
asahi.com（朝日新聞社）：〈ネットはいま〉第２部―１７ いないはずのアリス - ネット・ウイルス - デジタル
パソコンの画面上に映し出されると、小箱の上にフィギュアが姿を見せる パソコン用カメラが、机の上の様子を画面に映し出している。 そのパソコンの前に、一辺２センチほどのサイコロみたいな小箱を置く。「現実」の小箱は小箱のまま。だが、パソコン画面に映し出されたその箱からは、身長１０センチほどのアニメ風メードが「よいしょ」と現れる。「電脳フィギュアのアリスといいます」。小さな頭を下げてあいさつをした。 ベンチャー企業芸者東京エンターテインメント最高経営責任者（ＣＥＯ）の田中泰生さん（３２）は「拡張現実技術を使った世界初の商品」と胸を張る。昨年１０月に発売した。 位置情報をもとに、実映像にコンピューター・グラフィックス（ＣＧ）を重ね合わせる。この技術を使うと、現実の景色の中に、このフィギュアのような仮想の「あり得ない存在」を出現させられる。拡張現実に詳しい奈良先端科学技術大学院大学の加藤博一教
レコメンド, LSH, Spectral Hashing - DO++
WEB+DB press vol.49にレコメンド特集の記事をtkngさんと書きました。 内容は最初は、協調フィルタリングやコンテンツマッチの簡単な話から、特徴量をどのように表すか、大規模データをどのように処理するかにいき、特異値分解などの低ランク行列分解によるレコメンドやRestricted Boltzmann Machineといった最近のnetflix prizeの上位の手法など、かなり突っ込んだ議論もしてます。 個人的には三章でLocality Sensitive Hash(LSH)について扱っているあたりがお勧めです。 レコメンドの内部の問題を極言すると、データというのは疎な高次元の数値ベクトル（数百万次元とか）で表され、クエリでベクトルが与えられた時、これと似たようなベクトルを探してこいという問題になります。”似たような”を数学的にいえば、クエリのベクトルとの内積（各ベクトルは長
lsh
2. ( 最 ) 近傍点探索 ( Nearest Neighbor Search) とは いわゆる、特徴空間内での類似データ探索 二種類の問題が考えられる 定義 ℜ d 空間上の点集合 P が与えられた場合 最近傍点探索 クエリ点 q に対し、 p∈P で、 ||p-q|| を最小とする点 p を求める問題 r- 近傍点探索 クエリ点 q に対し、 p∈P で、 ||p-q||<r となる点 p を ( 存在するのならば ) 列挙する問題 3. 近傍点探索問題 近傍点探索アルゴリズムは、以下のようなタスクにおいて利用される インスタンスベース学習(k-近傍法) クラスタリング データセグメンテーション データベース検索 最短経路木探索(Minimum Spanning Tree) データ圧縮 類似データ検索 4. 近傍点探索アルゴリズム 最も単純なものは、クエリ点 q と、 p∈P の点全
ブログの更新通知をつぶやくTwitterのボットを作るいくつかの方法 - あと味
おととい、Plaggerを使って、ブログの更新通知をつぶやくTwitterのボットを作りました。 この記事の最後の方で紹介してます。 -> CSS Nite in FUKUIの広報サポーターになりました - あと味 CSS Nite in FUKUI (@cssnite_fukui) op Twitter 敷居が高いようで意外と簡単なので、作り方を紹介します。非プログラマでもできる方法があるので、今回みたいにイベントを主催するような方はこのTips使うと便利かもしれないですよ。 作るボットの定義 ブログの更新通知をするボットなので、以下の仕様で作ります。 ブログが更新された時に 「任意の文字列 + ブログ記事のタイトル + ブログ記事のリンク」をつぶやく ボットがTwitterでつぶやくまでは以下のような流れになります。 フィードを取得 フィードのデータを加工 Twitterに出力 方法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
Engadget | Technology News & Reviews
転送中
転送中
転送中
転送中