はてなグループの終了日を2020年1月31日(金)に決定しました - はてなの告知
はてなグループの終了日を2020年1月31日(金)に決定しました 以下のエントリの通り、今年末を目処にはてなグループを終了予定である旨をお知らせしておりました。 2019年末を目処に、はてなグループの提供を終了する予定です - はてなグループ日記 このたび、正式に終了日を決定いたしましたので、以下の通りご確認ください。 終了日: 2020年1月31日(金) エクスポート希望申請期限:2020年1月31日(金) 終了日以降は、はてなグループの閲覧および投稿は行えません。日記のエクスポートが必要な方は以下の記事にしたがって手続きをしてください。 はてなグループに投稿された日記データのエクスポートについて - はてなグループ日記 ご利用のみなさまにはご迷惑をおかけいたしますが、どうぞよろしくお願いいたします。 2020-06-25 追記 はてなグループ日記のエクスポートデータは2020年2月28
Proceedings of Machine Learning Research
[edit] Volume 48: International Conference on Machine Learning, 20-22 June 2016, New York, New York, USA [edit] Editors: Maria Florina Balcan, Kilian Q. Weinberger [bib][citeproc] No Oops, You Won’t Do It Again: Mechanisms for Self-correction in Crowdsourcing Nihar Shah, Dengyong Zhou; Proceedings of The 33rd International Conference on Machine Learning, PMLR 48:1-10 [abs][Download PDF][Supplement
Multi-Class Confidence Weighted Algorithms
Proceedings of the 2009 Conference on Empirical Methods in Natural Language Processing, pages 496–504, Singapore, 6-7 August 2009. c 2009 ACL and AFNLP Multi-Class Confidence Weighted Algorithms Koby Crammer∗ ∗ Department of Computer and Information Science University of Pennsylvania Philadelphia, PA 19104 {crammer,kulesza}@cis.upenn.edu Mark Dredze† Alex Kulesza∗ † Human Language Technology Cente
averaged stochastic gradient descentのご紹介 - Preferred Networks Research & Development
そろそろ寒くなってきましたね。早速風邪を引きました。徳永です。 今日は私の使っている自作の足置き（制作費600円）の紹介でお茶を濁そうと思っていたのですが、途中で方向転換しました。今日は機械学習の話をします。 Léon Bottouという研究者（彼はまたDjVuというドキュメントフォーマットの開発者でもあります）が開発・公開しているsgdというソフトウェアのバージョン2.0が公開されました。sgd 2.0ではaveraged stochastic gradient descent（ASGD）という手法が実装され、これまでのSGDと比べて性能が向上しました。今日はこのASGDを紹介したいと思います。日本語に訳すと平均化確率的勾配降下法でしょうか。漢字が多くて読みづらいので以下ではASGDと呼びます。 もともと、SGD（確率的勾配降下法）はNLPのような高次元かつスパースなタスクではうまく行く
サポート・ベクター・マシン
サポート・ベクター・マシンとは サポート・ベクター・マシン（SVM）は、Vapnik-Chervonenkis理論に基づいた強固な理論的基礎を持つ最新の強力なアルゴリズムです。SVMは、強力な正則化プロパティを持ちます。正則化は、新しいデータへのモデルの一般化を指します。 SVMの利点 SVMモデルは、一般的なデータ・マイニング手法であるニューラル・ネットワークおよび動径基底関数に似た関数形式を持ちます。ただし、どちらのアルゴリズムも、SVMの基盤を形成する正則化に対して根拠のある理論的アプローチを持ちません。SVMのトレーニングの容易性と一般化の質は、これらのより伝統的な手法の機能をはるかに凌いでいます。 SVMでは、テキストや画像の分類、手書き文字の認識、バイオインフォマティクスや配列分析など、実際の世界の複雑な問題をモデル化できます。 SVMは、モデルのトレーニング対象となるケースが
オンラインEMアルゴリズム - DO++
EMアルゴリズム（Expectation Maximizationアルゴリズム、期待値最大化法、以下EMと呼ぶ）は、データに観測できない隠れ変数（潜在変数）がある場合のパラメータ推定を行う時に有用な手法である。 EMは何それという人のために簡単な説明を下の方に書いたので読んでみてください。 EMのきちんとした説明なら持橋さんによる解説「自然言語処理のための変分ベイズ法」や「計算統計 I―確率計算の新しい手法 統計科学のフロンティア 11」が丁寧でわかりやすい。 EMは教師無学習では中心的な手法であり、何か観測できない変数を含めた確率モデルを作ってその確率モデルの尤度を最大化するという枠組みで、観測できなかった変数はなんだったのかを推定する場合に用いられる。 例えば自然言語処理に限っていえば文書や単語クラスタリングから、文法推定、形態素解析、機械翻訳における単語アライメントなどで使われる。
ヘッジファンドの何が問題か？ - Willyの脳内日記
2008年は、多くのメインストリート(*1)の人達が 強欲な参加者で成り立つ金融システムが瓦解した年だと信じた年だった。 2009年は、市況自体は相当回復したが、 今でも多くの人がその信念を変えずにいる。 (*1)ウォールストリートとの対比の意味で。 まず金融危機にはいくつもの構造的な理由がある。 代表的なものをあげれば、 住宅ローン市場におけるプリンシパルとエージェントの利益相反問題、 投資家と格付け会社の利益相反問題、 投資銀行の経営者と株主の利益相反問題、等である。 それでは、統計学的な側面から見るとどうであろうか？ リーマンショック後、盛んに言われているのは、 「金融工学は金融危機を予測できなかった」 というものだ。 まず、金融工学と統計学では若干の立場の違いがある。 金融工学では、あくまで理屈付けが重要とされている側面が強い。 仮定を比較的たくさん置き、それを元に例えばデリバティ
Conference Services
Let Us Help You Plan a Memorable Event We specialize in the details that go into managing a successful event ... See the Forest Through the Trees Being overwhelmed by the detail can obscure the vision and goals for the event. Let us help you! Host Conferences on Our Beautiful Campus We welcome thousands of guests to our campus and community every year. Let us help you… Conference Services advances
ベイジアンネットワーク－入門から応用まで
Abstract: ( ) ( ) ( ) 1. ( ) 2. (Bayesian network, Bayesnet, belief network) [1, 2, 3, 4, 5] [6, 7, 8, 9, 10] 0 1 1 0 Xi, Xj Xi → Xj Xj Xi X1 X2 X4 X3 X5 X2 0 1 X4 0 0.8 0.4 1 0.2 0.6 条件付確率表 P(X4|X2) P(X3|X1,X2） Ｐａ（Ｘ３） Ｐａ（Ｘ５） Ｐａ（Ｘ４） P(X５|X３,X４） 1: Bayesian network Xj Pa(Xj) Xj Pa(Xj) ( Pa(Xj) ) P(Xj | Pa(Xj)) (1) n X1 · · · , Xn (2) P(X1, · · · , Xn) = n � j=1 P(Xj | Pa(Xj)). (2) 1 1 3 Pa(Xj) = x1
第10回 情報論的学習理論ワークショップ (IBIS 2007)
第10回 情報論的学習理論ワークショップ (IBIS 2007) 2007年11月5日(月),6(火),7日(水) 東京工業大学すずかけ台キャンパス 盛況のうちに終了しました。皆様、ありがとうございました。 最新情報 一般投稿の受理論文を掲載しました(9月14日) 参加申し込み受付を開始しました(9月20日) 最終プログラムを掲載しました(11月1日) 開催概要 共催: 文科省科研費特定領域研究「情報統計力学の深化と展開」、 電子情報通信学会 情報論的学習理論 時限研究専門委員会 協賛(依頼中を含む)： 東工大グローバルCOE「計算世界観の深化と展開」, 応用統計学会，応用物理学会，計測自動制御学会，システム制御情報学会， 情報処理学会，情報理論とその応用学会，人工知能学会， 電子情報通信学会 情報理論研究会・人工知能と知識処理研究会・ コンピュテーション研究会・ニューロコンピューティ
PukiWikiBayesFun
重要なお知らせ：ベイズウィキのURLが変わります． † サーバーを京都大学に移動することにより ベイズウィキのURLが変わります． 新URLは，http://hawaii.sys.i.kyoto-u.ac.jp/~oba/bayeswiki/index.php で， すでに過去のデータをそのまま移して稼働中です． 以後の閲覧・書き込みは新サイトでおねがいします． ここ，旧サイトはしばらくしたら削除します． ↑ お知らせ † スパム対策に設置した併設会議場のほうのスパムがひどくなってきたので、 スパム対策を強化した本家pukiwiki のほうをメインとするべく整備中です。 2007/05/18 コメントスパム対策のために、合言葉を設定しました。 コメントを書き込むときには お名前欄に自分のハンドル名とともに bayes と半角英字で書き込む ようにして下さい。 2007/05/09 投
カーネル法 正定値カーネルを用いたデータ解析
1 2004 11 24~26 Final version. Nov.26, 2004 2 I 1. 2. � � 3. � � PCA CCA . � � Bochner � representer 3 II 5. � � � ICA, 7. 4 g(x) Parzen window ∑ = − = N i i x x g N x p 1 ) ( 1 ) ( 5 1. � 6 � ⎟ ⎟ ⎟ ⎟ ⎟ ⎠ ⎞ ⎜ ⎜ ⎜ ⎜ ⎜ ⎝ ⎛ = N m N m m X X X X X X X L M M L L 1 2 2 1 1 1 1 m N 7 x1 x2 z1 z3 z2 ) 2 , , ( ) , , ( 2 1 2 2 2 1 3 2 1 x x x x z z z = 8 � xi Φ(xi) zi H Ω H Ω H → Ω Φ : 9 � H = feature space
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
http://robotics.stanford.edu/users/nir/Papers/Fr2.pdf
正規化ガウス関数ネットワークの変分法的ベイズ学習 | CiNii Research
サービス終了のお知らせ
Bayesian Policy Gradient
確率ネットワークと知識情報処理への応用