最適輸送の解き方
最適輸送問題（Wasserstein 距離）を解く方法についてのさまざまなアプローチ・アルゴリズムを紹介します。 線形計画を使った定式化の基礎からはじめて、以下の五つのアルゴリズムを紹介します。 1. ネットワークシンプレックス法 2. ハンガリアン法 3. Sinkhorn アルゴリズム 4. ニューラルネットワークによる推定 5. スライス法 このスライドは第三回 0x-seminar https://sites.google.com/view/uda-0x-seminar/home/0x03 で使用したものです。自己完結するよう心がけたのでセミナーに参加していない人にも役立つスライドになっています。 『最適輸送の理論とアルゴリズム』好評発売中！ https://www.amazon.co.jp/dp/4065305144 Speakerdeck にもアップロードしました: https
PythonでNelder-Mead法 - Qiita
名前の通り。だが実際は Qiitaを使ってみたかった GitHubを使ってみたかった 他人のコードを見て勉強したかった などの背景があるので結構雑。 Nelder-Mead法について 最初は改訂シンプレックス法だとか滑降シンプレックス法だとか呼ばれていた（原著論文にも書いてあるし…）が、wikiにも書かれているとおり、基本的にはシンプレックスとは無関係。 論文： Nelder, John A.; R. Mead (1965). “A simplex method for function minimization”. Computer Journal 7: 308–313 詳しいことは（英語だが）こちらに分かりやすくまとめてある。 ざっくり言うと、n次元の最適化したい関数にn+1次元の点の単体（simplex）をコロコロと変形させて最小値を探し出す。というもの。 例えば二次元空間を探索する
Hyperparameter optimization for Neural Networks — NeuPy
Hyperparameter optimization for Neural Networks Contents Hyperparameter optimization for Neural Networks Introduction Hyperparameter optimization Grid Search Random Search Hand-tuning Bayesian Optimization Gaussian Process Acquisition Function Find number of hidden units Disadvantages of GP with EI Tree-structured Parzen Estimators (TPE) Overview Hyperparameter optimization for MNIST dataset Disad
160924 Deep Learning Tuningathon
[DL輪読会]Diffusion-based Voice Conversion with Fast Maximum Likelihood Samplin...Deep Learning JP
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
Mathematical Optimization in 60 minutes
最適化超入門
AutoML in NeurIPS 2018
POT: Python Optimal Transport — Python documentation
https://github.com/ducha-aiki/caffenet-benchmark/blob/master/batchnorm.md
