統計分析、多変量解析、データマイニング、その応用例を調べるにあたって参考となるページを紹介します。基礎知識の補完にご活用ください。
ビジネスデータからの知識発見・活用ソリューション -- リンク集
統計分析、多変量解析、データマイニング、その応用例を調べるにあたって参考となるページを紹介します。基礎知識の補完にご活用ください。
村上・泉田研究室 ニューラルネットワーク
ネットワークの形態の1つとして、階層型ネットワークがありました。ここでは、階層型ネットワークに対する学習法として有名な誤差逆伝播法について説明します。
アンサンブル学習 - 機械学習の「朱鷺の杜Wiki」
アンサンブル学習 (ensemble learning)† ランダムに解を出力する予測器，すなわち，予測精度が最悪の予測器よりは，高い精度で予測できる弱学習器 (weak learner)を組み合わせて高精度の学習器を構成する方法． バギングやブースティングといった手法が著名． 初期の研究ではクラス分類だけだったが，回帰やクラスタリングにも適用されている． ↑ 文献1でのバイアス-バリアンスの観点からの議論．† まず，クラス分類における不偏性とバイアス-バリアンスを次のように定義*1． 訓練集合 \(T\) から学習した分類器 \(C(X;T)\) の，入出力対 \(X,Y\) の分布に対する誤差は \[PE(C(X;T))=\Pr_{X,Y}[C(X;T)\ne Y]\] 入力に対する真のクラス条件付き分布 \(\Pr[Y|X]\) を用いた最適なベイズ分類器を \(C^\ast(X)\
『フーリエ変換と周波数成分』
■ 「フーリエ変換」に関する知識を学ぶ！ 普段の生活には全く縁がないと思われる数学知識ですが、市場分析という 世界に足を踏み入れたのであれば無関係とは言えない知識になるでしょう。 参考書買っても中身がさっぱり理解できない・・ (ﾉ_･｡) あ～どうやって理解したらいいのかなぁ・・ 諦めよっかなぁ・・ と知識の取得を諦めてしまう方も多いことでしょう。当コンテンツは、そんな方々 へお贈りいたします。 ■ 今回扱う知識以外に必要な知識 参考 ： 複素数の計算 ■ 今回扱う知識は「フーリエ変換と周波数成分」 【周波数成分に着目して逆フーリエ変換】 フーリエ変換の具体的使用方法は周波数成分に着目することで見出すこ とができると思います。 前回までの内容と深く関わるので過去の記事を下記より参照してください ね (^-^)/ 参考 ： フーリエ変換は何を意味するのか？ 参考 ： 逆フーリエ変換にて各領域
ニューラルネットワーク入門 〜目次〜
ニューラルネットワーク入門 Copyright(c)1996 Akira Iwata & Toshiyuki Matubara (Iwata Laboratory Nagoya Institute of Technolgy) ０ はじめに 学習の進め方 １ 神経細胞とニューラルネットワーク 神経細胞 ニューロンモデル ニューロンモデルの数式化 ネットワークモデル まとめ ２ 階層型ネットワーク ２．１ パーセプトロン パーセプトロン パーセプトロンの動作と学習 パーセプトロン学習のシミュレーション パーセプトロンの限界 まとめ ２．２ バックプロパゲーション学習 最急降下法 前向き演算 後向き演算１（出力層から中間層） 後向き演算２（中間層から入力層） ＢＰのシミュレーション ＢＰシミュレータ まとめ ２．３ その他の階層型ネットワーク ネオ
[Think IT] 第1回：ニューラルネットワークとは？ (1/3)
【ネットワーク教習所】 ニューラルネットワークの可能性 第1回：ニューラルネットワークとは？ 著者：シンクイット編集部 公開日：2008/03/05（水） ニューラルネットワークとは何か？ 2008年3月の特集「ネットワーク教習所」の水曜日では、「ニューラルネットワーク」を取り上げる。読者の皆さんも1度はニューラルネットワークという言葉を耳にしたことがあるのではないだろうか。 ニューラルネットワークを端的に説明するならば、人間の脳をソフトウェアで再現することと表現できる。人間の大脳は、140億個のニューロン（細胞）から構成されている。それらのニューロンは相互に結合し、巨大なネットワークを築いている。このネットワークを再現するのがニューラルネットワークというアプローチなのである。 ではなぜニューラルネットワークが注目されているのであろうか。 コンピュータの限界 近年、コンピュータの飛躍的な性
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
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
微分積分
