統計的機械学習入門
統計的機械学習入門(under construction) 機械学習の歴史ppt pdf 歴史以前 人工知能の時代 実用化の時代 導入ppt pdf 情報の変換過程のモデル化 ベイズ統計の意義 識別モデルと生成モデル 次元の呪い 損失関数, bias, variance, noise データの性質 数学のおさらいppt pdf 線形代数学で役立つ公式 確率分布 情報理論の諸概念 (KL-divergenceなど) 線形回帰と識別ppt pdf 線形回帰 正規方程式 正規化項の導入 線形識別 パーセプトロン カーネル法ppt pdf 線形識別の一般化 カーネルの構築法 最大マージン分類器 ソフトマージンの分類器 SVMによる回帰モデル SVM実装上の工夫 クラスタリングppt pdf 距離の定義 階層型クラスタリング K-means モデル推定ppt pdf 潜在変数のあるモデル EMアル
微分方程式の講義ノートPDF。例題と解答付き （常微分方程式の初歩的な解き方を勉強） - 主に言語とシステム開発に関して
講義ノートの目次へ 微分方程式の基礎を学ぶための講義ノートPDF。 独学に使えるオンライン教科書を集めた。院試対策の演習問題と解答もある。 微分方程式は，大学１年で必ず押さえておこう。 そうしないとあちこちで（ほとんど全分野で！）つまづいてしまう。 物理や工学の他にも，化学反応，生き物の個体数，価格の変動…などなど， 「数式で動きをモデリング」する時に何にでも使う。早いうちにマスターしよう。 とくに解が厳密に求められるケースでは， 解き方のパターンを一通り押さえておく必要がある。 求積法 →解を積分で表現 級数解 →解を無限和で表現 演算子法やラプラス変換 →代数的・記号的な操作 こういった基礎ができれば，次はもっと実用的な段階にステップアップできる： 難しい微分方程式の場合，コンピュータで数値的に シミュレーションして解を求める。 ルンゲ・クッタ法などのアルゴリズムを使う。 現実世界では
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
