Radiobots – 人工知能ラジオ番組
私たち（木村・ジェプカ・高丸）は、ラジオ番組のパーソナリティとリスナーの関係を参考にした対話処理の新しい枠組みを提案しています。従来の対話システムでは、応答の品質向上に焦点を当てていて、継続して利用するしくみや入力の負荷についてはあまり考えられていない(はず…)。 研究代表者 小樽商科大学 木村泰知 従来研究との違い 関連業績 木村泰知, ジェプカラファウ, 高丸圭一, “Radiobots型対話システムの提案”, JSAI2015. … Radiobots型対話システムの実装例 Radiobots型対話システムの実装例(2015年12月) Radiobots型「Pepperで小樽商科大学を紹介する」対話システムの実装例(2016年06月)
Decision Tree Learning
決定木学習 目的 あらかじめ分類しておいたデータ集合の法則性を推定し，決定木を自動的に生成すること． > 決定木 属性・属性値ペアのリストとして与えら れるデータを受取り，それをあらかじめ定められた概 念(カテゴリ)のどれに属すかを決定する装置 (注意) ここでは，簡単のためにあらかじめ与えられた一つの概念に 属すかどうかを決定する装置とする．つまり，決定木はブール関数をあらわ すこととする． [葉ノード]: 概念 (ここではブール値) [中間ノード]: 属性値のテスト テストの結果が n 通りあるときは，それぞれの結果に対して n 個のアー クをもつ． 各中間ノードにおけるテストとしては唯一の属性値の検査だけが許され る． (決定木の例1: 卒業の判定) (決定木の例2: みかんの上/並の判定) 決定木の良さ 一般に同じ判別をする決定木は多数ある． (トレーニングデータの例) このトレー
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
