大規模グラフアルゴリズムの最先端Word Tour: One-dimensional Word Embeddings via the Traveling Salesman Problem...
階層分析法 - Wikipedia
階層分析法（かいそうぶんせきほう）は、意思決定における問題の分析において、人間の主観的判断とシステムアプローチとの両面からこれを決定する問題解決型の意思決定手法。AHP (Analytic Hierarchy Process) とも呼ばれる。ピッツバーグ大学のThomas L. Saatyが提唱した。 階層分析法の主な工程として、「階層構造の構築」、「一対比較」、「ウェイトの計算」、「総合評価値の計算」が挙げられる。 階層構造の構築では、問題の要素を「最終目標」、「評価基準」、「代替案」の3階層に分ける。これによって、明確に問題を捉えることができる。評価基準とは、代替案を評価する際の基準となるものである。具体的には、「価格」や「大きさ」、「デザイン」が挙げられるだろう。代替案は、最終目標を達成するために必要と思われる項目のことで、例えば問題が「ゲーム機の選定」であれば、各社のゲーム機が代替
Hidden Markov model - Wikipedia
A hidden Markov model (HMM) is a Markov model in which the observations are dependent on a latent (or hidden) Markov process (referred to as ). An HMM requires that there be an observable process whose outcomes depend on the outcomes of in a known way. Since cannot be observed directly, the goal is to learn about state of by observing . By definition of being a Markov model, an HMM has an addition
PageRankアルゴリズムの大規模実装における注意事項 - SELECT * FROM life;
PythonPageRankを求めるのにべき乗法が用いられることが多いですが、工夫をしないと大きなグラフに対してPageRankを求めることは難しくなります。今回は、素直な実装法が持つ問題を解説しつつ、PageRankの大規模実装する方法について書いてみようと思います。注意PageRank自体に対するある程度の知識が前提となります。PageRankに詳しくない人は、まず先にページランク - Wikipediaなどを軽く読んでみるといいかも知れません。導入PageRankと言えばGoogle検索のランキングアルゴリズムとして有名ですね。PageRankを直感的に説明するとリンク元ページのPageRank値が高いほど、リンクされているページのPageRank値は高くなるとなるのは有名ですが、数学的にはGoogle行列の主固有ベクトルがPageRankベクトルであると言うことができます。Goog
スペクトラルクラスタリングは次元圧縮しながらKmeansする手法 - 武蔵野日記
機械学習系のエントリを続けて書いてみる。クラスタリングについて知らない人は以下のエントリ読んでもちんぷんかんぷんだと思うので、クラスタリングという概念については知っているものとする。 それで、今日はスペクトラルクラスタリングの話。自然言語処理以外でも利用されているが、これはグラフのスペクトルに基づくクラスタリングの手法で、半教師あり学習への拡張がやりやすいのが利点。なにをするかというとクラスタリングをグラフの分割問題(疎であるエッジをカット)に帰着して解く手法で、どういうふうに分割するかによって Normalized cut (Ncut) とか Min-max cut (Mcut) とかいろいろある。 完全にグラフが分割できる場合はこれでめでたしめでたしなのだが、実世界のグラフはそんな簡単に切れないことが往々にしてある。それで近似してこのグラフ分割問題を解くのだが、Normalized c
Problem-Solving using Graph Traversals: Searching, Scoring, Ranking, and Recommendation
Problem-Solving using Graph Traversals: Searching, Scoring, Ranking, and RecommendationAI-enhanced description This document discusses the use of graph databases and traversals for problem-solving in various domains including social networks, biology, and transportation. It explains the differences between single-relational and multi-relational graphs, including their structures, algorithms, and p
2010-06-02
今日が締切だということに気づいていなかったので忘れるところだった．なんとか提出． 全然進まない．査読者のいってることが分からなくもないけど，よく分からない． グラフ理論―連結構造とその応用 (基礎数理講座) 作者: 茨木俊秀,石井利昌,永持仁出版社/メーカー: 朝倉書店発売日: 2010/04/01メディア: 単行本購入: 1人 クリック: 90回この商品を含むブログ (1件) を見る 「グラフ理論」というタイトルだけども，内容は「グラフ・アルゴリズム」である．しかも，フロー，カット，連結度に焦点を絞ったもので，かなりマニアック (褒め言葉) である．こういう高度な内容のものが日本語で読めるということは嬉しいことだと思う．中身はちゃんとしてる気がするので，第1章をうまく読み飛ばせば，セミナーの輪講にあってるのではないかと思う．
ゲーム木 - Wikipedia
ゲーム木（ゲームき、英: game tree）は、組合せゲーム理論において、ゲームの盤面を有向グラフのノードで、手をエッジで表したものである。完全ゲーム木とは、ゲームの最初から指せる全ての手を含んだゲーム木である。なお、組合せゲーム理論ではない通常のゲーム理論の「ゲームの木」については展開型ゲームを参照。 三目並べの最初の2手のゲーム木 右図は、三目並べのゲーム木の最初の2レベル（あるいは2手）までを示したものである。ここでは、盤面を回転させたり反転させて同じになるものは等価としているため、最初の1手は3種類（中心、角、角と角の間）しかない。2手目は、1手目が中心の場合は2種類、そうでない場合は5種類ある。 完全ゲーム木の葉ノードの数をゲーム木複雑性(game-tree complexity)と呼び、そのゲームが最終的にどれだけの異なる盤面で終わるかを示している。三目並べのゲーム木複雑性は
深さ優先探索（バックトラック法） - Wikipedia
深さ優先探索のイメージ 深さ優先探索（ふかさゆうせんたんさく、英: depth-first search, DFS、バックトラック法ともいう）は、木やグラフを探索するためのアルゴリズムである。アルゴリズムは根から(グラフの場合はどのノードを根にするか決定する)始まり、バックトラックするまで可能な限り探索を行う。「縦型探索」とも呼ばれる。 形式的には、深さ優先探索は、探索対象となる木の最初のノードから、目的のノードが見つかるか子のないノードに行き着くまで、深く伸びていく探索である。その後はバックトラックして、最も近くの探索の終わっていないノードまで戻る。非再帰的な実装では、新しく見つかったノードはスタックに貯める。 深さ優先探索の空間計算量は幅優先探索の空間計算量より最悪のケースでは同じだが一般的なケースではずっと小さい。また、探索の種類によっては、分岐を選択するためのヒューリスティックな方
ダイクストラ法 - Wikipedia
ダイクストラ法の動作のアニメーション ダイクストラ法（だいくすとらほう、英: Dijkstra's algorithm）はグラフ理論における辺の重みが非負数の場合の単一始点最短経路問題を解くための最良優先探索によるアルゴリズムである。 ダイクストラ法は、1959年エドガー・ダイクストラによって考案された。応用範囲は広くOSPFなどのインターネットルーティングプロトコルや、カーナビの経路探索や鉄道の経路案内においても利用されている。 ほかのアルゴリズムとして、 最短経路長の推定値を事前に知っているときは、ダイクストラ法の改良版であるA*アルゴリズムを用いて、より効率的に最短経路を求めることができる。 辺の重みが全て同一の非負数の場合は幅優先探索がより速く、線形時間で最短路を計算可能である。 無向グラフで辺の重みが正整数の場合は、Thorupのアルゴリズムによって線形時間での計算が可能であるが
幅優先探索 - Wikipedia
ドイツの都市間の接続を示した例 フランクフルトから幅優先検索を行った場合にできる木構造 幅優先探索（はばゆうせんたんさく、英: breadth first search）はグラフ理論(Graph theory)において木構造(tree structure)やグラフ(graph)の探索に用いられるアルゴリズム。アルゴリズムは根ノードで始まり隣接した全てのノードを探索する。それからこれらの最も近いノードのそれぞれに対して同様のことを繰り返して探索対象ノードをみつける。「横型探索」とも言われる。 幅優先探索は解を探すために、グラフの全てのノードを網羅的に展開・検査する。最良優先探索とは異なり、ノード探索にヒューリスティクスを使わずに、グラフ全体を目的のノードがみつかるまで、目的のノードに接近しているかどうかなどは考慮せず探索する。
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
Microsoft PowerPoint - Session5.ppt [Compatibility Mode]