最急降下法
最急降下法 戻る ニューラル関連の学習則は，この方法を使っていることが多い．バックプロパゲーションだって最急降下法だし，ホップフィールドモデルだって最急降下法を使ってる． エネルギー関数最小化（または最大化）を目的とする問題では，パラメータ逐次更新の方法として最急降下法を使うのが常套手段だ．理屈さえ分かれば，それほど難しい話ではないからね． 最急降下法： まず最小化（または最大化）すべき基準となる，ある関数が与えられているとする．この関数を最小化（または最大化）するようなを求めるのが目的なのだが，まずに適当な初期値を与え，次のような方法でを逐次更新していく． （を最小化する場合） （を最大化する場合） ここでは 1 より小さな正の値とする． で，なんでこの方法で関数を最小化（または最大化）できるのかというと，図で説明するとこんな感じになる（最小化に関して説明する）．
Support Vector Machine
最近よく巷で耳にするモノ． SVM， Support Vector Machine， さぽーとべくたーましん． これっていったい，どんなもんなんでしょう． なにやら便利そうなモノらしいので，ちょいと調べて要点をまとめてみようかな，なんて． でも，ただまとめただけだとそのへんの記事を読むのとなんにも変わらないので， コーディングするために必要な知識を中心にまとめてみることにします．
Adaboost : improve your weak performance
Random commentary about Machine Learning, BigData, Spark, Deep Learning, C++, STL, Boost, Perl, Python, Algorithms, Problem Solving and Web Search Adaboost is one of my favorite Machine Learning algorithm. The idea is quite intriguing: You start from a set of weak classifiers and learn how to linearly combine them so that the error is reduced. The result is a strong classifier built by boosting th
Locally Linear Embedding (LLE) Homepage
(Notes, e.g. [a] appear below) Input X: D by N matrix consisting of N data items in D dimensions. Output Y: d by N matrix consisting of d < D dimensional embedding coordinates for the input points. Find neighbours in X space [b,c]. for i=1:N compute the distance from Xi to every other point Xj find the K smallest distances assign the corresponding points to be neighbours of Xi end Solve for recons
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
Google Scholar
0-1損失関数を用いたロバストなブースティングの提案(データマイニング) | CiNii Research
Multidimensional Scaling, Second Edition
Multidimensional Scaling
Pheenix - Buy this domain today. | tmps.org is for sale.