サポートベクターマシン入門 産業技術総合研究所 脳神経情報研究部門
次へ: はじめに サポートベクターマシン入門 栗田 多喜夫 Takio Kurita 産業技術総合研究所 脳神経情報研究部門 Neurosceince Research Institute, National Institute of Advanced Indastrial Science and Technology takio-kurita@aist.go.jp visitors since Jul. 19, 2002. 概要: 最近、サポートベクターマシン(Support Vector Machine, SVM)と呼ばれるパター ン認識手法が注目されており、ちょっとしたブームになっている。カーネルトリッ クにより非線形の識別関数を構成できるように拡張したサポートベクターマシン は、現在知られている多くの手法の中でも最も認識性能の優れた学習モデルの一 つである。サポートベクターマシンが
最急降下法
から、であることがわかります。実際、式(1)の にを代入してみると、 となります。評価関 数は以上の関数（非負の関数）であることから、で最小値 を取ることが確かめられます。 最急降下法 最急降下法は、ある適当な初期値(初期パラメータ)からは じめて、その値を繰り返し更新する(修正する)ことにより、最適なパラメータ の値を求める方法(繰り返し最適化手法)の最も基本的で簡単な方法です。 問題1のような評価関数が最小となるパラメータを求める問題では、最急降下 法でのパラメータの更新は、 のようになります。ここで、 は、 回目の繰り返して得られたパ ラメータの推定値で、 は、での評価関数のパラメータに関する微分値です。 また、は、1回の繰り返しでどれくらいパラメータを更新するかを制 御する小さな正の定数で、学習係数と呼ばれたりします。つまり、最急降下法 では、パラメータの値を微分値と逆の方向にちょ
最小2乗法
最小２乗法は、ある変量の組(説明変数)とその変量に対する望みの結果(目的 変数、教師信号)が学習データとして与えられた時、説明変数から目的変数を 予測するモデルを構築するための統計的データ解析手法で、最も基本的で、最 も広く用いられています。ここでは、以下のような例題に対するプログラムを 作ってみましょう。 問題2. 15人の中学生のボール投げの記録()と握力()、身長 ()、体重()のデータがあります。
パターン認識とニューラルネットワーク
次へ: パターン認識とは パターン認識とニューラルネットワーク 栗田多喜夫 脳神経情報研究部門 産業技術総合研究所 E-mail: takio-kurita@aist.go.jp パターン認識とは ベイズ決定理論 ベイズ決定方式 正規分布の場合 確率密度分布の推定 パラメトリックモデル 最尤法 ベイズ推定 ノンパラメトリックな方法 ノンパラメトリックな確率密度関数の推定 核関数に基づく方法 K-NN法 セミパラメトリックな手法 混合分布モデル(Mixture Model) 最尤法 EM アルゴリスム 階層型ニューラルネット 多層パーセプトロン 単純パーセプトロン 単純パーセプトロンの学習 多層パーセプトロン 誤差逆伝搬学習法 最尤推定としての定式化 多層パーセプトロンと非線形回帰 汎化性 情報量基準による汎化能力の評価 VC次元 Optimal Brain Surgeon Weight D
柔らかな情報処理のための統計的手法の応用に関する研究 A STUDY ON APPLICATIONS OF STATISTICAL METHODS TO FLEXIBLE INFORMATION PROCESSING
次へ: Synopsis 柔らかな情報処理のための統計的手法の応用に関する研究 A STUDY ON APPLICATIONS OF STATISTICAL METHODS TO FLEXIBLE INFORMATION PROCESSING 栗田 多喜夫 Takio KURITA Synopsis 序論 多変量データ解析の理論 はじめに 記号と定義 数量化法の非線形への拡張 数量化１類とその非線形への拡張 数量化２類とその非線形への拡張 非線形の数量化２類と数量化３類の関係 交差係数行列の固有値問題 数量化４類との関係 距離について 多変量データ解析手法の非線形への拡張 非線形重回帰分析 非線形判別分析 非線形正準相関分析 線形近似としての線形データ解析手法 条件つき確率の線形近似 近似としての重回帰分析および数量化１類 近似としての判別分析および数量化２類 近似としての正準相関分析 本
Prof. Takio Kurita (Top Page)
[2020年4月1日] 広島大学に新設された先進理工系科学研究科を担当します． [2018年4月1日] 広島大学に新設された情報科学部を担当します． [2017年2月3日] 国際会議FCV2017でBest Poster Presentation Awardを受賞しました． [2015年2月13日] 産業技術総合研究所の由井誠さんをお招きして、広島大学統計科学研究拠点セミナーを開催します。 [2015/01/29] 国際会議FCV2015で Best Paper Award を受賞しました。 [2014年10月29日] 筑波大学の日野先生をお招きして、広島大学統計科学研究拠点セミナーを開催します。 [2014年10月10日] 広島画像情報学セミナーを開催します。 [2014年10月] 博士課程後期の学生1名が入学しました。また、総合科学部の3年生が1名栗田研究室に加わりました。 [2014
柔らかな情報処理のための統計的手法の応用に関する研究 A STUDY ON APPLICATIONS OF STATISTICAL METHODS TO FLEXIBLE INFORMATION PROCESSING
次へ: Synopsis 柔らかな情報処理のための統計的手法の応用に関する研究 A STUDY ON APPLICATIONS OF STATISTICAL METHODS TO FLEXIBLE INFORMATION PROCESSING 栗田 多喜夫 Takio KURITA visitors since Jul. 19, 2002. Synopsis 序論 多変量データ解析の理論 はじめに 記号と定義 数量化法の非線形への拡張 数量化１類とその非線形への拡張 数量化２類とその非線形への拡張 非線形の数量化２類と数量化３類の関係 交差係数行列の固有値問題 数量化４類との関係 距離について 多変量データ解析手法の非線形への拡張 非線形重回帰分析 非線形判別分析 非線形正準相関分析 線形近似としての線形データ解析手法 条件つき確率の線形近似 近似としての重回帰分析および数量化１類 近似と
パターン認識とニューラルネットワーク
次へ: パターン認識とは パターン認識とニューラルネットワーク 栗田多喜夫 脳神経情報研究部門 産業技術総合研究所 E-mail: takio-kurita@aist.go.jp visitors since Feb. 14, 2001. パターン認識とは ベイズ決定理論 ベイズ決定方式 正規分布の場合 確率密度分布の推定 パラメトリックモデル 最尤法 ベイズ推定 ノンパラメトリックな方法 ノンパラメトリックな確率密度関数の推定 核関数に基づく方法 K-NN法 セミパラメトリックな手法 混合分布モデル(Mixture Model) 最尤法 EM アルゴリスム 階層型ニューラルネット 多層パーセプトロン 単純パーセプトロン 単純パーセプトロンの学習 多層パーセプトロン 誤差逆伝搬学習法 最尤推定としての定式化 多層パーセプトロンと非線形回帰 汎化性 情報量基準による汎化能力の評価 VC次元
制度としての科学：科学の社会学
成定・佐野・塚原（共編著）『制度としての科学：科学の社会学（科学見直し叢書 ２）』木鐸社、1989年. 「群盲象を撫ず」の弁--序にかえて 成定 薫 科学も科学者も真空の中に置かれているのではない。こんにち、科学研究は科学者集団（scientific community)による集団的営為として存在している。このことは、科学者の育成・誕生のプロセスを考えればよくわかる。科学に関心をもち、科学研究で身を立てようと決意した若者は、大学の理工学系学部や大学院でしかるべき訓練を受け、一定の資格を得て科学者集団の構成員となる。彼あるいは彼女は、この訓練の過程で、また科学者集団の中でのさまざまな経験を通じて、「科学的に重要な問題」とは何かを学ぶ。彼あるいは彼女は、その問題の中から自らの研究テーマを選定し、適正だとされている研究方法によってその解決につとめる。幸いにも期待通りの結果が得られれば（期待が裏切
サポートベクターマシン入門
次へ: はじめに サポートベクターマシン入門 栗田 多喜夫 Takio Kurita 産業技術総合研究所 脳神経情報研究部門 Neurosceince Research Institute, National Institute of Advanced Indastrial Science and Technology takio-kurita@aist.go.jp 概要: 最近、サポートベクターマシン(Support Vector Machine, SVM)と呼ばれるパター ン認識手法が注目されており、ちょっとしたブームになっている。カーネルトリッ クにより非線形の識別関数を構成できるように拡張したサポートベクターマシン は、現在知られている多くの手法の中でも最も認識性能の優れた学習モデルの一 つである。サポートベクターマシンが優れた認識性能を発揮できるのは、未学習 データに対して高い識
ウォルター〔高木（訳）〕（1999）による〔『衰退するアメリカ 原子力のジレンマに直面して』（157-166p）から〕
『 日常のリスク リスクの評価は、感覚ではなく、測定可能な科学的データに基づく必要があります。通常はあまり口にすることではありませんが、私達は誰しも最終的にはこの世を去らねばならないことは事実です。｢この世界において、死と税以外に確かなものはなにもない。｣と語ったベンジャミン・フランクリンの言葉通りです。問題は、私達はいつ、どのようにして死に至るかということでしょう。 将来リスクの予想を試みた本、記事、そして報道が数多くあります。私にとって最も納得のできる手法は、バーナード・コーエン教授によって展開された方法です（1,2）。彼は、損失寿命（Loss of Life Expectancy: LLE）という言葉を定義しました。損失寿命：LLEとは、ある人の寿命が、ある特定のリスクに遭遇することによって短縮される平均の寿命のことです（3）。この章では、彼の研究成果の大部分をグラフの形で提示し
サポートベクターマシン入門
次へ: はじめに サポートベクターマシン入門 栗田 多喜夫 Takio Kurita 産業技術総合研究所 脳神経情報研究部門 Neurosceince Research Institute, National Institute of Advanced Indastrial Science and Technology takio-kurita@aist.go.jp 概要: 最近、サポートベクターマシン(Support Vector Machine, SVM)と呼ばれるパター ン認識手法が注目されており、ちょっとしたブームになっている。カーネルトリッ クにより非線形の識別関数を構成できるように拡張したサポートベクターマシン は、現在知られている多くの手法の中でも最も認識性能の優れた学習モデルの一 つである。サポートベクターマシンが優れた認識性能を発揮できるのは、未学習 データに対して高い識
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
Jitendra Malik コンピュータビジョン：日本語字幕
EM アルゴリスム
computer programming in chemistry
統計的画像処理手法
ニューラルネット入門
統計的画像処理手法
ニューラルネット入門
顔検出・顔認識のための統計的手法