Computer Vision at Waterloo - Code
The following code libraries are freely available for research purposes only. Check each download for documentation, usage requirements (what to cite), and licensing information. Volumetric Loss for Weakly-supervised Semantic Segmentation This GitHub repository implements the volumetric loss for training weakly-supervised semantic segmentation. The weak supervision is in the form of size targets r
本のフロク: Experiments with a New Boosting Algorithm - Freund, Schapire
Experiments with a New Boosting Algorithm - Freund, Schapire Experiments with a New Boosting Algorithm - Freund, Schapire (ResearchIndex) http://citeseer.ist.psu.edu/freund96experiments.html 1996年現在の実験を中心にまとめた論文。Weak learner(FindAttrTest, FindDecRule, C4.5)と、アンサンブル学習アルゴリズム（Adaboost.M1, Adaboost.M2, Bagging）の組み合わせをUCI ML Repositoryのデータと手書き数字認識へ適用し、評価・比較を行っているのが主要なContribution。 Adaboost.M1とAdaboost
高速な安定ソートアルゴリズム "TimSort" の解説 - Preferred Networks Tech Blog
先日、TimSortというソートアルゴリズムが話題になりました。TimSortは、高速な安定ソートで、Python(>=2.3)やJava SE 7、およびAndroidでの標準ソートアルゴリズムとして採用されているそうです。 C++のstd::sort()よりも高速であるというベンチマーク結果1が話題になり(後にベンチマークの誤りと判明)、私もそれで存在を知りました。実際のところ、ランダムなデータに対してはクイックソート(IntroSort)ほど速くないようですが、ソートというシンプルなタスクのアルゴリズムが今もなお改良され続けていて、なおかつ人々の関心を引くというのは興味深いものです。 しかしながら、オリジナルのTimSortのコードは若干複雑で、実際のところどういうアルゴリズムなのかわかりづらいところがあると思います。そこで今回はTimSortのアルゴリズムをできるだけわかりやすく解
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．
有限混合分布モデルの学習に関する研究 (Web 版)
次へ: 序 論 有限混合分布モデルの学習に関する研究 (Web 版) 赤穂 昭太郎 2001 年 3 月 15 日学位授与(博士(工学)) 序 論 研究の背景と位置づけ 論文の構成 有限混合分布とその基本的性質 定義 モジュール性 階層ベイズモデルとの関係 パラメトリック性とノンパラメトリック性 RBF ネットワークとの関係 学習における汎化と EM アルゴリズム 最尤推定 汎化と竹内の情報量規準 (TIC) 汎化バイアス 竹内の情報量規準 (TIC) 冗長性と特異性 EM アルゴリズム 一般的な特徴 一般的な定式化 独立なサンプルが与えられた時の混合分布の学習 独立な要素分布の場合 サンプルに重みがある場合 EM アルゴリズムの一般化 EM アルゴリズムの幾何学的解釈 正規混合分布の汎化バイアスの非単調性について はじめに Radial Basis Boltzmann Machine (
C/C ―Programming Tips―水無瀬の部屋
[PR] Ｃ言語 戻る 目次 / C・C++ / Windows / Visual C++ / その他 主に C/C++ を中心とした話題。 ・年月日から曜日を求める ・二つの値を交換する ・ワイルドカード('*', '?')を使って文字列を比較する ・指定の年が閏年かどうか判定する ・指定の年月日が有効であるか判定する ・指定の年月日がグレゴリウス歴の範囲内かどうか判定する ・二つの値から大小関係により一方を選択する ・条件演算子(?:)を使う ・ファイルに文字列単位の入出力操作を行う ・最大公約数、最小公倍数を求める ・printf, fprintf, sprintf 使用上の注意 ・部分文字列を取り出す ・文字列を移動する ・部分文字列を置換する ・タブ文字 '\t' を展開する ・シフトＪＩＳ文字列の判定 ・配列の要素数を計算する ・assert マクロを使う ・verify マク
[チュートリアル講演] カーネルマシン
次へ: はじめに [チュートリアル講演] カーネルマシン 赤穂 昭太郎1 Shotaro Akaho s.akaho@aist.go.jp 概要: サポートベクタマシン (SVM) に代表されるカーネルを用いた学習機械について解説する． これらにほぼ共通しているのは，基本的に線形の学習機械の延長線上にあり， ローカルミニマムの問題などが少ないこと，それから，正則化を行うことにより 高い記述能力と汎化能力を両立していることが特長である． キーワード: サポートベクタマシン，正則化，スパースネス，数理計画法， 汎化 Kernel machines such as the support vector machine are reviewed. Most of them are not suffered from the local optimum problem, because they
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
ハッシュ法入門
Programming Place Plus