ベイズ学習の勉強に参考になる資料 - 作って遊ぶ機械学習。
おつかれさまです．今回はタイトルの通り，ベイズ学習を勉強する上で参考になる教科書やウェブの資料，論文等を紹介したいと思います． ベイズ学習は確率推論に基づいた機械学習アルゴリズムの構築論です．ベイズ学習を使えば，あらゆる形式のデータに対して，未観測値の予測や隠れた構造を発見するための統一的なアプローチをとることができるため，特に現代の機械学習アルゴリズムを深く理解し使いこなすためには必須の方法論になっています． １， ベイズ学習の位置づけ まず，データサイエンスにおける他の方法論と，ベイズ学習の位置づけを簡単に俯瞰したいと思います． 僕の知る限り，ベイズ学習は1990年代ごろから登場してきた機械学習の方法論で，既存の学習アルゴリズムを確率モデルによって構築し，学習や予測の計算をすべて確率推論（条件付き分布と周辺分布の計算）で解決してしまおうという試みによってはじまりました．これにより，従来
文字を学ぶ人工知能、ビジュアルチューリングテストに合格
人間みたいに、文字のコンセプトを理解して実践。 マサチューセッツ工科大学（MIT）のJosh Tenenbaum教授などによる研究チームが、あるタスクにおいて人間と見分けの付かない人工知能を作り出すことに成功しました。それは｢見たことのない文字を真似して書く｣という一見簡単そうなタスクですが、裏には深い意味があるんです。 研究チームが行なった実験では、まずソフトウェアと人間それぞれが見慣れない文字のようなものを提示されます（上の画像がその例です）。次に彼らはその文字のようなものを、コピーするのではなく微妙に変化させながら真似て書くように指示されます。書かれた結果を人間の審査員が見たところ、人間が書いたのか人工知能が書いたのかほとんどわからず、正解率は50％でした。答えは二択なので、50％というのは当てずっぽうと同じです。つまりこのソフトウェアは、ビジュアルチューリングテストに合格したのです
This AI Algorithm Learns Simple Tasks as Fast as We Do
Taking inspiration from the way humans seem to learn, scientists have created AI software capable of picking up new knowledge in a far more efficient and sophisticated way. Fig. 1. People can learn rich concepts from limited data. (A and B) A single example of a new concept (red boxes) can be enough information to support the (i) classification of new examples, (ii) generation of new examples, (ii
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
