戻る 「a XOR b = (a OR b) AND (a NAND b)」にしたがってXORを作るより、図のもののほうが簡単。 ▲ 戻る Copyright(c) 2002 TAKAGI-1 All rights reserved
NANDでNOT,AND,OR,XORを表す
戻る 「a XOR b = (a OR b) AND (a NAND b)」にしたがってXORを作るより、図のもののほうが簡単。 ▲ 戻る Copyright(c) 2002 TAKAGI-1 All rights reserved
無題
Next: 目次 目次 第1章 序論 第2章 ニューロンとニューラルネットワーク ニューロン [3] ニューロンのモデル [4] ニューラルネットワーク[5] 2.4 内部記憶を持つニューラルネットワーク 第3章 学習法 一般化デルタルール[4] バックプロパゲーション[4] 内部記憶を持つニューラルネットワークの学習[2] 第4章 気温予測実験と考察 4.1 目的 4.2 使用したニューラルネット 4.3 誤差の求め方 4.4 実験結果と考察 4.4.1 気温予測実験 4.4.2 内部記憶を持つニューラルネットの内部情報 4.4.3 自己ループ実験 第5章 結言 参考文献 付 録A Btype気温予測学習プログラム 付 録B Ctype気温予測学習プログラムリスト この文書について ... 出口研究室へ Deguchi Toshinori Tue Feb 23 15:28:33 JST
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
オイラー路 - Wikipedia
全ての頂点の次数が偶数であるので、このグラフはオイラーグラフである。アルファベット順に辺をたどればオイラー閉路を得る。 ケーニヒスベルクの橋を簡略化したグラフ。このグラフはオイラーグラフではない。 オイラー路（オイラーろ、英: Eulerian trail）とは、グラフの全ての辺を通る路のこと。また全ての辺をちょうど1度だけ通る閉路は、オイラー閉路（オイラーへいろ、英: Euler circuit）という。これらの名称は1736年にこれらを含むグラフの特徴づけを与えたレオンハルト・オイラーにちなむ[1]。 グラフの辺をすべて通るようなオイラー閉路を持つグラフのことをオイラーグラフ（英: Eulerian graph）という。またグラフの辺をすべて通るような、閉路でないオイラー路を持つグラフのことを準オイラーグラフという。 オイラーの定理[編集]
NP - Wikipedia
計算複雑性理論における NP (Non-deterministic Polynomial time)は、複雑性クラスのひとつであり、答えがyesとなるような問いに対して、多項式時間で検証できる証拠が存在する決定問題のクラスである。 定義[編集] NP は、NTIMEを使って次のように定義される[1]。 つまり、非決定性チューリングマシンによって多項式時間で解ける決定問題のクラスであり、名称も Non-deterministic Polynomial time（非決定性多項式時間）の略である。また、多項式時間検証可能という同値な定義もある。言語 L が NP に属するとは、多項式時間決定性チューリングマシン M と多項式 p が存在し、次の性質を満たすことを言う。 ならば、ある証拠 が存在し、 ならば、どんな証拠 でも、 例[編集] ハミルトン閉路問題は、「与えられたグラフについて、全ての頂
NP完全問題 - Wikipedia
NP完全（な）問題（エヌピーかんぜん（な）もんだい、英: NP-complete problem）とは、(1) クラスNP（英: Non-deterministic Polynomial）に属する決定問題（言語）で、かつ (2) クラスNPに属する任意の問題から多項式時間還元（帰着）可能なもののことである。条件 (2) を満たす場合は、問題の定義が条件 (1) を満たさない場合にも、NP困難な問題とよびその計算量的な困難性を特徴づけている。多項式時間還元の推移性から、クラスNPに属する問題で、ある一つのNP完全問題から多項式時間還元可能なものも、またNP完全である。現在発見されているNP完全問題の証明の多くはこの推移性によって充足可能性問題などから導かれている。充足可能性問題がNP完全であることは1971年、スティーブン・クックによって証明され[1]、R. M. カープの定義した多項式時間
NP困難 - Wikipedia
P、NP、NP完全、NP困難の相関を表すベン図 NP困難（エヌピーこんなん、英: NP-hard）とは計算量理論において、問題が「NPに属する任意の問題と比べて、少なくとも同等以上に難しい」ことである[1]。正確にいうと、ある問題 H がNP困難であるとは、「NPに属する任意の問題 L が H へ帰着可能である」と定義される。この「帰着」の定義として何を用いるかにより微妙に定義が異なることになるが、例えば多項式時間多対一帰着や多項式時間チューリング帰着を用いる。もしもあるNP困難問題を解ける多項式時間の機械が存在すれば、それを利用すればNPに属する任意の問題を多項式時間で解くことができる。 NP完全問題とは、NP困難であり、かつNPに属する問題である。これとは異なり、ある問題がNP困難であってもNPに属するとは限らない。NPは決定問題のクラスなのでNP完全もまた決定問題に限られるが、定義に
シソーラスとオントロジー
２．２ 電子化されたシソーラス キーボードから直接どこでも指定できるので木構造をたどりながら探していく必要はありません。もはや木構造ではなく、網構造になって複数の広義語が持てるようになります。しかしその結果同じ文字列で複数の意味を持つ多義語が区別できない問題がでてきます。例えば木構造で検索したときには、「時間」からたどった「月」(month)と、「天体」からたどった「月」(moon)の二つの異なった意味の語は区別できますが、網構造では区別ができなくなります。 「月」を「天体」の観点でとらえたときはmoon で「時間」の観点でとらえたときはmonthであるとすれば解決できます。 一つのグループに入れる語を多くしすぎるとグループのなかを探すのに時間がかかってしまいます。逆に少なくしようとすると階層が深くなってしまいます。電子化されたシソーラスでは、クリックするだけで、簡単に上下の階層
タイムシェアリングシステム - Wikipedia
この項目では、コンピュータ用語について説明しています。資産の所有形態については「タイムシェア」を、通信メディアのタイムシェアについては「時分割多元接続」をご覧ください。 この記事は検証可能な参考文献や出典が全く示されていないか、不十分です。出典を追加して記事の信頼性向上にご協力ください。（このテンプレートの使い方） 出典検索?: "タイムシェアリングシステム" – ニュース · 書籍 · スカラー · CiNii · J-STAGE · NDL · dlib.jp · ジャパンサーチ · TWL（2017年3月） タイムシェアリングシステム (Time Sharing System, TSS) は、1台のコンピュータを複数のユーザが同時に利用するためのシステムである。主にメインフレームのリソースを効率良く使うために利用される。タイムシェアリングは、CPU時間を割り当てる一つの手法であり、典
いろいろなソートアルゴリズム
<body> <p>このページにはフレームが使用されていますが、お使いのブラウザではサポートされていません。</p> </body>
知識表現 - Wikipedia
知識表現（ちしきひょうげん）、KR（Knowledge Representation）は、推論を導けるような知識の表現、およびその方法を開発する人工知能研究の領域である。 思考を形式的に分析し、議論領域を記述する。一般に、議論領域の記述から推論するための形式意味論を与え、解釈可能な意味を各文が生じるように演算子を与える。それによって自動推論が可能となる。 知識表現は、表現力が高いほど、事柄が簡潔に記述されるが、一貫性が保障されず、自動推論が困難となる。例として、命題論理は自己認識的時相論理よりも表現力が低い。用途・必要性・資源との適合性がKR推論システムの開発において大切となる。 200x年代にXMLの応用として宣伝されたためにブームとなった知識表現の利用に、セマンティック・ウェブがある。知識表現としての新規性は表層の記法にXMLを利用するという点で、グラフである知識を、本質的に木であるX
フレームモデル
フレームモデル 人工知能 授業支援用教材 2004.7.6 フレーム フレームとは、意味ネットワークの概念を拡張した知識表現。 フレームはフレーム名とスロットから構成される。 スロットはスロット名とスロット値により構成される。 フレーム名とスロットは、意味ネットワークにおけるノード名とリンクに相当する。 スロットには、フレームがあらわす物事の持つ属性や、関連する他のフレームとの関係が記録される。 インスタンスフレームとクラスフレーム フレームには、インスタンスフレームとクラスフレームの2種類がある。 インスタンスは特定の具体的な固体を表現する。（例：田中） クラスは、物事を一般化し抽象化した概念を表現する。(例：人間) フレームシステムの特徴 利点 (1)各フレームは典型的な知識の詳細を表現することができる。 (2)フレームには、宣言的な知識だ
巡回セールスマン問題 - Wikipedia
巡回セールスマン問題を総当たりで解く場合のイメージ。左側で一つずつ探していき、より効率のいいルートが見つかった場合、右側のグラフが更新される。 巡回セールスマン問題（じゅんかいセールスマンもんだい、英: traveling salesman problem、TSP）は、都市の集合と各2都市間の移動コスト（たとえば距離）が与えられたとき、全ての都市をちょうど一度ずつ巡り出発地に戻る巡回路のうちで総移動コストが最小のものを求める（セールスマンが所定の複数の都市を1回だけ巡回する場合の最短経路を求める）組合せ最適化問題である。 詳細[編集] 問題例の大きさは、都市の数で表される。この問題は、計算複雑性理論においてNP困難と呼ばれる問題のクラスに属する。すなわち、問題例の大きさに関する決定性の多項式時間アルゴリズムが見つかりそうにない、計算量的に困難な問題である。なお、この問題の特殊ケースとして考
KM Theory
第２週 知識資源管理技術の基礎（１） 〜ナレッジマネジメント、知識表現、セマンティックWeb〜 １．ナレッジマネジメントの概要 ナレッジマネジメントと知識創造（参考） ２．知識表現技術の基礎 人工知能の分野の中で、人間の知識をモデル化する手法を、「知識表現(Knowledge Representation)」と呼ぶ。以下では、知識表現の主なものを紹介する。 2.1 フレーム表現 フレーム（Frame）は、人間がスキーマとして持っている知識のうち、主に宣言的知識（Declarative Knowledge）を表現するための手法として、ミンスキー（Minsky, 1975）によって提唱された。ミンスキーによれば、人間は記憶の中からフレームを呼び出すことで、外界の事象を認識する。 図１はフレームによる知識表現の例である。フレームは、一般的な事物を表す枠組みであり、事物の名称、それらが持つ属性(s
Semantic Web - Wikipedia
この項目では、機械可読性を中心としたワールド・ワイド・ウェブの構想について説明しています。パブリック型ブロックチェーンに基づいた構想については「Web3」をご覧ください。 セマンティック・ウェブ（英: Semantic Web）は W3C のティム・バーナーズ＝リーによって提唱された、ウェブページの意味を扱うことを可能とする標準やツール群の開発によってワールド・ワイド・ウェブの利便性を向上させるプロジェクト。セマンティック・ウェブの目的はウェブページの閲覧という行為に、データの交換の側面に加えて意味の疎通を付け加えることにある。 現在のワールド・ワイド・ウェブ上のコンテンツは主にHTMLで記述されている。HTMLでは文書構造を伝えることは可能だが、個々の単語の意味をはじめとする詳細な意味を伝えることはできない。これに対し、セマンティック・ウェブはXMLによって記述した文書にRDFやOWLを
FrontPage - Security Akademeia
当サイトの一部ページには、アフィリエイト・アドセンス・アソシエイト・プロモーション広告を掲載しています。 Amazonのアソシエイトとして、Security Akademeiaは適格販売により収入を得ています。 広告配信等の詳細については、プライバシーポリシーページに掲載しています。 消費者庁が、2023年10月1日から施行する景品表示法の規制対象（通称:ステマ規制）にならないよう、配慮して記事を作成しています。もし問題のある表現がありましたら、問い合わせページよりご連絡ください。 参考：令和5年10月1日からステルスマーケティングは景品表示法違反となります。 | 消費者庁 『CODE 第2版』随所アップデートされているマネックス証券 クレカ積立の増額は3/25から可能auカブコム証券 クレカ積立の枠が増えました『ハッキング・ラボのつくりかた 完全版』サイン本とREALFORCEキーボード
決定木 - Wikipedia
決定木（けっていぎ、英: decision tree）は、（リスクマネジメントなどの）決定理論の分野において 決定を行うためのグラフであり、計画を立案して目標に到達するのに用いられる。 決定木は、意志決定を助けることを目的として作られる。 決定木は木構造の特別な形である。 概説[編集] 機械学習の分野において決定木は予測モデルであり、ある事項に対する観察結果から、その事項の目標値に関する結論を導く。内部の節点は変数に対応し、子である節点への枝はその変数の取り得る値を示す。 葉（端点）は、根(root)からの経路によって表される変数値に対して、目的変数の予測値を表す。 データから決定木を作る機械学習の手法のことを決定木学習 (英: decision tree learning)、または略して単に決定木と呼ぶ。 決定木による分類モデルはその分類にいたる過程が容易に解釈できるので、決定木はデータ
2008-07-01 - きしだのはてな - バックプロパゲーションでニューラルネットの学習
ニューラルネットというのは、入力があって、複数の階層を経て出力を得るようなグラフ構造のことです。通常は、入力層・中間層・出力層のように層構造になっているようなものを差します。中でも、中間層が1層の、３層構造になっているものが多くとりあげられます。バックプロパゲーションは、誤差逆伝播法とも言って、ニューラルネットワークのパラメータを学習するための手法です。 ニューラルネットについてのサイトや本では、中間層を多層に対応した一般的な表現で説明されることが多いのですが、なかなか式を読み解くのが難しかったりするので、今回は3層で入力が2パラメータ、出力は1つ、中間層のニューロンは2つという、単純なものを取り上げます。 では、3層ニューラルネットワークでの判定時のデータの流れを見てみます。 3層ということになっていますが、実際の処理は2層になっています。実装するときには2層だと考えたほうがわかりやすい
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
境地: 人工知能 演習課題 - AI Assignment
atpages.jp - このウェブサイトは販売用です！ - atpages リソースおよび情報