Rasch model - Wikipedia
The Rasch model, named after Georg Rasch, is a psychometric model for analyzing categorical data, such as answers to questions on a reading assessment or questionnaire responses, as a function of the trade-off between the respondent's abilities, attitudes, or personality traits, and the item difficulty.[1][2] For example, they may be used to estimate a student's reading ability or the extremity of
Link Analysis and Related Topics - Home
2008年度 先端情報科学特論 II & IV リンク解析と周辺の話題 担当 新保 仁 shimbo@is.naist.jp 日時 2008/11/10, 11/17, 12/1, 12/8 (全 4 回) - 4限 15:10-16:40 場所 情報棟 L3 講義室 リンク解析は, グラフ (ネットワーク) データの構造から有用な情報を抽出するための, データマイニングの一研究分野です. この講義ではまず, リンク解析が取り扱う 2 種類の尺度 (重要度と関連度) について述べ, それぞれの代表的な計算手法を紹介します. 後半では, 近年機械学習分野で盛んに研究されているカーネルのうち, グラフ上の節点に対して定義されたカーネル (グラフカーネル) と, そのリンク解析への応用について紹介します. 第1回 11月10日 スライド 第2回 11月17日 スライド 第3回 12月1日
大規模データを基にした自然言語処理 - DO++
人工知能基本問題研究会 (SIG-FPAI)でタイトルの題目で一時間ほど話してきました。 発表資料 [pptx] [pdf] 話した内容は - 自然言語処理における特徴ベクトルの作り方と、性質 - オンライン学習, Perceptron, Passive Agressive (PA), Confidence Weighted Learning (CW) 確率的勾配降下法 (SGD) - L1正則化, FOLOS - 索引を用いた効率化, 全ての部分文字列を利用した文書分類 で、スライドで70枚ぐらい。今までの発表とかぶっていないのはPA CW SGD FOLOSあたりでしょうか オンライン学習、L1正則化の話がメインになっていて、その両方の最終形の 確率的勾配降下法 + FOLOSの組み合わせは任意の損失関数に対してL1/L2正則化をかけながらオンライン学習をとても簡単にできるという一昔前
CMS
People Open People submenu Faculty Visitors Open Visitors submenu Merkin Distinguished Visiting Professorship Postdoctoral Scholars Open Postdoctoral Scholars submenu Postdoc Alumni Graduate Students Open Graduate Students submenu Graduate Alumni Research Staff Administration Academics Open Academics submenu Graduate Programs Open Graduate Programs submenu Graduate Degree in Applied + Computationa
連立１次方程式ライブラリ
/* linear.c */ #include <stdio.h> #include <stdlib.h> #include "sslib.h" void gausei(double a[], int l, int m, int iter, double eps, double x[]) { int i, j, k; double ay, def, *p, *q, *r, sum, w, y; if(l < m || m < 2 || iter < 1 || eps <= 0.) { fprintf(stderr, "Error : Illegal parameter in gausei()\n"); return; } for(i = 0, p = x; i < m; i++) *p++ = 0.; k = 1; do { def = 0.; for(i = 0, p = x; i <
GLPKで楽しく最適化しよう！
since 2004/05/01 last update 2005/04/08 access: new! 最新版 glpk4.8 をアップロードしました。 new! 久しぶりに記事を追加しました。 new! GLPKスーパー簡易マニュアルを追加しました。 このページの目的 GLPK(GNU Linear Programming Kit)は最適化の入門者からプロまで幅広く使える 大変良くできたフリーの線形計画ソルバーです。 しかし残念なことに日本においてはほとんど普及しておらず、 付属マニュアルも英語のため、とても敷居の高いものになっています。 また、Unix上で動かすことが前提で作られているので、Windows上で 動作させることがなかなか面倒です。 そこで、WindowsのDOSで動作するようにバイナリも配布することにしました。 このページでは数理計画とは何か、から
ラグランジュ緩和入門
ラグランジュ緩和入門･･･これも上とあわせてご自慢の一冊です。これは「遺伝的アルゴリズム入門」の続編ですので、できれば先に遺伝的アルゴリズム入門(PowerPointファイル)か遺伝的アルゴリズム入門(PDFファイル)をダウンロードしてください。 ラグランジュ緩和入門(PDFファイル)・・・3304KB。 ラグランジュ緩和入門に必要な果物カード(PowerPointファイル)・・・115KB。(遺伝的アルゴリズム入門と共通です) ラグランジュ緩和入門に必要な果物カード(PDFファイル)・・・115KB。(遺伝的アルゴリズム入門と共通です) 理論関係(DEA・群論・AHP・IRTなど) に戻る
確率共鳴 (Stochastic Resonance)
sr.jarをダウンロードしてダブルクリックして実行してください(コマンドラインでは java -jar sr.jar)。 シミュレータが実行出来ない方は adoptium.net からOpenJDKをインストールしてください。 このページでは FitzHugh-Nagumo 方程式における 確率共鳴 (stochastic resonance) という現象を紹介します。 確率共鳴とは「ノイズが微弱な入力を引き出し観測可能にする」という 現象で、生体が外界からの危険信号を検知するために利用しているのではないか、 と言われています。 ノイズが加えられた FitzHugh-Nagumo 方程式は次の微分方程式で表されます。 du/dt= c (- v + u -u3/3 + I(t) + s(t)) dv/dt= u - b v + a u、v の二つの変数がありますが、この内 u がニューロ
画像圧縮アルゴリズム (9) ウェーブレット変換 -2-
前章で、多重解像度解析の内容についてHaarの関数を使って説明しましたが、今回はこれを一般化したDaubechiesによるウェーブレット関数を紹介したいと思います。Haarの関数は不連続となることから、自然画の圧縮には適さないと言われています。Daubechiesの関数ではこの不連続が解消されており、Haarの関数よりも自然画の処理に適しているそうです。 前にも述べたように、ウェーブレット変換を行ってもデータ量は変化しません。JPEGの場合と同じく、変換後には量子化と符号化を行う必要があります。この章では、量子化の方法についても説明をしたいと思います。 1) ツースケール関係(two-scale relation) Haarのスケーリング関数を使った多重解像度解析処理では、二つの矩形を平均化して一つの矩形にすることで、解像度を一つ落とす(レベルを一つあげる)処理を行っていました。この時の
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
http://www.ibis.t.u-tokyo.ac.jp/RyotaTomioka/Softwares/SupportPageICML10
Similarity Measurement
http://www.logos.ic.i.u-tokyo.ac.jp/~tau/lecture/software/
Scilab
A Topological Approach to Hierarchical Segmentation using Mean Shift
CSDL | IEEE Computer Society
http://www.math.ucla.edu/~xbresson/subdir/gmac.html
http://www.tgisfw.com/2007/08/seam-carving-and-image-resizing.html
http://www.math.ucla.edu/~gilboa/PDE-filt/diffusions.html
Comparaison sur une image artificielle
http://graphics.cs.msu.su/en/research/denoising/index.html