擬似逆行列・一般化逆行列は，画像処理や計測工学・ロボット工学で応用される，最小二乗法による誤差最小の逆行列 - 勉強メモ （大学の講義動画や，資格試験の対策）
数学の解説コラムの目次へ 「一般化逆行列」とか，「擬似逆行列」という行列の工学上のツールがある。 この行列を理解するために必要な情報をまとめた。 （１）「一般化逆行列」（擬似逆行列）とは何か？ （２）どのような計算により，二乗誤差を最小化するのか？ →特異値分解 （３）「特異値分解」と「スペクトル分解」 （４）「一般化逆行列」は，どういう場合に現れるか？ （１）「一般化逆行列」（擬似逆行列）とは何か？ これは，次元があわなくてうまく逆行列を計算できないときに， 両辺の誤差が最小になるよう最小二乗法を使うことで， 近似的な逆行列を求める演算のこと。 一般逆行列・ムーア・ペンローズ逆行列 - 大人になってからの再学習 http://d.hatena.ne.jp/Zellij/20120811/p1 ムーア・ペンローズ逆行列A^{+}を使って、求めた解は、Aが縦長の場合は||A {￥bf x}
大規模データのマイニング - 共立出版
ウェブやインターネットコマースの隆盛によって、とてつもなく巨大なデータセットが出現し、そして、データマイニングによってそれらから情報が抽出されている。 巨大なデータに対するマイニングにおいては、従来から知られているアルゴリズムがそのままでは機能しないことが多い。巨大なデータを扱う上でこれまでとは違った処理戦略や技法が必要となる。 本書はデータマイニングにおいて重要な問題の解決に使われてきており、さらに巨大なデータセットに対しても使用できる実用的なアルゴリズムを、データベースやウェブ技術の分野で著名な原著者が解説する。 まず、データマイニングの本質や、データマイニングがどのように扱われているかを概観する。次に、今後非常に大量のデータの解析を行う際に、クラウドコンピューティングとともに重要視されると考えられ、この後の章の議論に必須のものとなるマップレデュースを解説する。その後、類似するアイテム
データ分析において必要なことを原点に立って考えてみる - Qiita
今日は統計や技術の詳細な話は少しお休みして、そもそもデータマイニングとは何なのか、分析において必要なことは何なのかを考えてみます。 仮説力とは何なのか データ分析の実務においては、分析モデルの手法や統計的方法の前にまず検討しなければならないことが多々あります。たとえば分析対象の問題をどのように設定するか、対象の特徴 (= 属性、振る舞い等) をどのように表現するか、何を可視化するかあるいはそれをどう決めるか、ログなどを用いて特徴の計算方法をどのように定義するか、といったことなどです。 実務というのは大学での実験ではありません。目の前にあるデータに対して興味先行で機械学習や統計的手法を適用しても得られるものはありません。統計学の有名な言葉に GIGO (ゴミを入れればゴミが出てくる) という言葉がある通り、高度な解析手法やツールに溺れても自己満足で不適切な分析に終わってしまうのです。 分析の
多面体データ
正多面体が「プラトンの立体」、半正多面体が「アルキメデスの立体」と呼ばれることからわかるように、多面体は古くから研究されています。最近では、これらとは別に「全ての面が正多角形でできている凸多面体」について研究され、JohnsonとZalgallerによって、角柱と反角柱を除く全92種類の存在が示されました(ジョンソンの立体)。 さらにそれ以降の1992年、小林光夫氏と鈴木卓治氏によって、これら全ての立体の頂点座標を算出するアルゴリズムが示され、その頂点座標がNakata氏のWebで公開されています。 公開されているデータおよび画像は、現在ではなじみの薄いフォーマットであるため、ここでより一般的なOBJ形式(形状データ)、及びJPG形式(画像データ)にて公開させていただきます。 ここで公開しているデータは自由に使用していただいて結構です。ただし、頂点座標のデータを使用する場合には、オリジナル
Google Sites: Sign-in
Not your computer? Use a private browsing window to sign in. Learn more about using Guest mode
Google Sites: Sign-in
Not your computer? Use a private browsing window to sign in. Learn more about using Guest mode
BESOM 研究テーマ案一覧
BESOM は大脳皮質の計算論的モデルを参考にして設計した機械学習アルゴリズムです。 不完全ながら、ようやくある程度は動くようになってきました。 これを使って 人間のような知能（強いＡＩ）の実現を目指す様々な研究ができると思います。 具体的な研究テーマ案をいくつか書いてみました。 ここに挙げたテーマに限らず、人間のような知能を目指す研究をしてみたい研究者の方は、 ご連絡いただければいろいろお手伝いできると思います。 私が考える大きな到達目標については 「全脳アーキテクチャ解明ロードマップ」のページに書きましたが、 このページでは１人で１～３年間で取り組める細かい問題に分解してあります。 注意 BESOM は機械学習アルゴリズムとしてなんとか動くようになってきましたが、 現状はまだまだ不完全で使いにくい技術です。 自分の仕事に使えそうな 「便利なツール」を求めているだけの人には、お勧めできま
BESOM download
BESOM は大脳皮質に関する神経科学的知見を参考にして 設計した機械学習アルゴリズムです。 Deep Learning 、ベイジアンネット、自己組織化マップ、独立成分分析の機構を あわせ持っています。 BESOM 正式版RC(Release Candidate) を公開しました。 詳細な使い方のドキュメントは今後準備していきます。 まずはデモプログラムを動かしてみてください。 私自身は今後はほとんどコーディングできないと思います。 BESOM 本体の改良および、 BESOM を使った人間のような知能を目指す研究をしたい方はご連絡ください。 BESOM を使った研究テーマの案については下記ページをご参照ください。 BESOM 研究テーマ案一覧 ドキュメント 「BESOM Ver.3.0 β版のアルゴリズム」 「プログラミングが容易な簡易ＧＵＩフレームワーク・コンポーネントウエア lab.L
rcast_20140411
2012/12/7にComSysで招待講演した際のプレゼン資料です。2013/1時点でのJubatusに関する全部入り資料になっています。 概要：Hadoopは非常に成功した大規模データの分散処理基盤である一方、データを貯めないリアルタイム処理や、統計的な手法で知見や予測モデルを得る機械学習技術のサポートは限定的である。Jubatusは、それらHadoopに足りない「分散・リアルタイム・機械学習」を実現するためのOSSフレームワークとして2011年にリリースされた。その技術的特徵は、オンライン学習アルゴリズムを分散化し、かつ分散環境でコストの高いデータ共有を排除してコンパクトな機械学習モデルのみを緩やかに共有するMix操作を中心とした計算アーキテクチャを採用していることにある。本講演ではその動作原理を中心にJubatusの裏側を紹介する。
石川グループ研究室
一部東京大学に残っていた研究活動が東京理科大学に移転したことにより, 2024年度より, 当研究室の研究活動のすべてが東京理科大学で行われています. 所属は, 東京理科大学総合研究院で, 東京理科大学葛飾キャンパスに研究室を置いています. 研究室名称も今まで通り, 石川グループ研究室として, ホームページのURLも従来と変更ありません. どうかよろしくお願い申し上げます. センサやロボットはもちろんのこと, 社会現象や心理現象等も含めて, 現実の物理世界＝リアルワールドは, 原則的に並列かつリアルタイムの演算構造を有している. その構造と同等の構造を工学的に実現することは, 現実世界の理解を促すばかりでなく, 応用上の様々な利点をもたらし, 従来のシステムをはるかに凌駕する性能を生み出すことができ, 結果として, まったく新しい情報システムを構築することが可能となる. 本研究室では, 特に
JAXA | JAXAの歩き方 公開データのウェブサイトカタログ
JAXAでは、人工衛星が取得した観測データや天体や宇宙空間のさまざまな現象を捉えた観測データ、また、宇宙開発の様子を画像や動画としても配信しています。これらのデータを公開しているウェブサイトの数は、JAXAの公式サイトの中だけでも、なんと、100以上も存在しています。 せっかく多くの有益なデータを公開していても、
Graph | The best way to search statistics.
こちらの「統計情報の検索を驚くほど簡単にするサービス Graph」の開発プロジェクトは2015年6月をもって完全に終了させていただきました。 応援していただいた方々の多大なる支援、誠にありがとうございました。 株式会社coco 代表取締役社長 高橋 Our search engine will help you get any statisical information. This simple UI is able to analyze the market scales, make business documents, and lets you find quantitive dates for assignments easily.
ソーシャルゲームに対する協調行動研究の知見の適用 #TokyoWebmining 33rd
1) The document is a profile for TokyoWebmining, which is part of the Ameba Technology Laboratory at CyberAgent, Inc. It provides information about their research interests and activities. 2) Their research focuses on web mining, business intelligence, and developing new technologies like recommender systems and UI design using JavaScript. 3) One of the researchers, Kenji Matsuda, tweets at @mtknn
データマイニング 時系列分析の実例 : 研究開発
総合研究大学院大学 複合科学研究科 情報学専攻 卒 博士（情報学） 自然言語処理や機械学習、データ分析に関する研究内容とwebシステムの開発と運用について書いています。 シリコンバレーベンチャーみたいに深い技術の事業化をしたいと思っています。 ご興味ある方はご連絡ください。 ほとんどの場合、時系列分析で対象にされてるのは、経済指標です。 生活保護率の上昇要因−長期時系列データに基づく考察− (独)労働政策研究・研修機構 周燕飛 学習院大学経済学部 鈴木亘 一橋大学経済研究所世代間問題機構ディスカッション・ペーパー 525 図1は、1990年度以降の生活保護受給者数、世帯数の推移をみたものであるが、1992年度ぐらいから両者とも増加の一途をたどっており、2006年度から2008年度にかけてややペースダウンしたものの、2009年度以降は再び、かつてないほどの急増が起きている。2011年3
全脳アーキテクチャ勉強会 第１回（山川）
4. 全脳アーキ(WBA)は人間的知能の少し先を目指す 知能のスペクトル Very High 理論からの 特殊化 物理環境の制約に特化した汎用性を 追求しつつ計算可能な究極の超知能 Physical AI 計算コスト High Low 現実的な計算が不能な理論的存在 Universal AI 全脳アーキテクチャ(WBA) 脳をガイドとして作られた， 脳をちょっと超えた脳っぽい知能． WBA 人間の脳 既存 ＡＩ マウスの脳 WBA 昆虫の脳 Narrow General 領域依存性 CONFIDENTIAL MATERIAL / RESTRICTED ACCESS 3 実現したら 併せて利用 全脳アーキテクチャ勉強会（第一回) 6. 私の脳アーキテクチャ研究 • • • • • • • 1983.4～ 1986.3 東京理科大学 理論物理 学士 1987.4～ 1989.3 東大 実験物理
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
FDRの使い方 (Kashiwa.R #3)
Google Sites: Sign-in
サービス終了のお知らせ
サービス終了のお知らせ
マイクロブログのジオタグと発言コンテキスト解析による行動予測手法 | CiNii Research