numerical-linear-algebra/README.md at master · fastai/numerical-linear-algebra
This course is focused on the question: How do we do matrix computations with acceptable speed and acceptable accuracy? This course was taught in the University of San Francisco's Masters of Science in Analytics program, summer 2017 (for graduate students studying to become data scientists). The course is taught in Python with Jupyter Notebooks, using libraries such as Scikit-Learn and Numpy for m
非負値テンソル分解を用いた細胞間コミュニケーション検出
Ветровое волнение океана и волны-убийцы. Владимир Захаров
Bayesian Inference for Nonnegative Matrix Factorisation Models
(Left) The family of densities p(v;a,b=1)=𝒢(v;a,b/a) with the same mean 〈v〉=b=1. Small values of a (for a<1) enforce sparser representations, and large values of a≈100 tie all values to be close to a nonzero mean (nonsparse representation). To model missing data, that is, when some of the are not observed, we define a mask matrix , the same size as where , if is missing and otherwise (see Appendi
グループドデータの非負値行列因子分解 - 廿TT
モチベーション たとえばこういう表がある。 gist.github.com 表の左のほうにユーザー層の情報、右の方にユーザー層ごとのブログへのアクセス経路が書かれている。 どのユーザー層がどの経路を好むか知りたいとする。 そこでトピックモデルとしてポアソン分布を使った非負値行列因子分解を考える。 （トピックモデルシリーズ 6 GaP （Gamma-Poisson Model） - StatModeling Memorandum などを参照。） ユーザー層が文書、アクセス経路が単語に対応する。 ユーザー層の情報を捨てて、行列を分解してしまうのはおもしろくない。 ユーザー層の情報を説明変数として、ユーザー層ごとにトピックの構成が変わるようなモデルにしたい。 モデル 観測値を行列の積 で近似することを目指します。 Y: 観測された分解したい行列(N行K列) X: 観測された説明変数(N行J列)
Gamma Process Non-negative Matrix Factorization (GaP-NMF) in Julia | LESS IS MORE
Gamma Process Non-negative Matrix Factorization (GaP-NMF) in Julia 最近 Julia で遊んでいて、その過程で非負値行列因子分解（NMF）のノンパラ版の一つであるGamma Process Non-negative Matrix Factorization (GaP-NMF) を書いてみました。（まぁmatlabコードの写経なんですが） https://github.com/r9y9/BNMF.jl 元論文: Bayesian Nonparametric Matrix Factorization for Recorded Music by Matthew D. Hoffman et al. in ICML 2010. デモ http://nbviewer.ipython.org/github/r9y9/BNMF.jl/blo
Nonnegative Matrix Factorization:NMFの最適化法についてのまとめ - 楡楡
この記事について この記事はNMFの最適化方法についてまとめたものです。 基本的には、追加の制約なしのNMFの高速化手法についてになります。 筆者の研究サーベイは2015年ほどで止まっているのでそれ以降の研究はフォローしていません。 注意してください。 また、この記事は2015年10月に投降した記事の修正版になります。 何故、修正版を2年後に再度公開しているか？そういう気分になったためです。 Nonnegative Matrix Factorization 非負値行列分解(Nonnegative Matrix Factorization:NMF)は，非負の行列を低次元な非負行列の積に分解する手法 制約はすべての行列のすべての要素が非負 最適化問題は、以下になる。 (非負制約は省略）を最小化することになる。 しかし、この問題はU,Vに対して同時に凸ではないので、 1. 片方を固定してもう片方
untitled
電通会誌9月_02_解説_澤田.mcd Page 1 12/08/10 09:24 v5.50 非負値行列因子分解 NMF の基礎と データ／信号解析への応用 Nonnegative Matrix Factorization and Its Applications to Data/Signal Analysis 澤田 宏 非負値行列因子分解（NMF : Nonnegative Matrix Factorization）は，非負値のみからなる行列を分解するという数学 的に非常にシンプルな定式化でありながら，その応用範囲は，音，画像，文書データの解析と幅広い．直感的には，頻出 するパターンを自動的に列挙するものであると理解できる．本稿では，まず，NMF の定式化とアルゴリズムの導出を丁 寧に説明する．これらを理解することで，NMF による解析結果を深く考察したり，応用に応じた様々な拡張が可能
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
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://sap.ist.i.kyoto-u.ac.jp/members/yoshii/slides/ibis-2017-yoshii-poster.pdf
Non-Negative Matrix Factorization - ML Wiki
Loss increasing in inference of Poisson Factorization