ディープラーニング、ビッグデータ、機械学習 ――あるいはその心理学 - 新曜社
大量のデータから情報を取捨選択している人間の情報処理過程に学びながら，性能を向上させてきたディープラーニング。機械学習から心理学に対して期待できるフィードバックとは？ 基礎知識を懇切に解説し，機械学習の未来を心理学の見地から展望。 ディープラーニング、ビッグデータ、機械学習――目次 第1章 プロローグ 1・1 ディープラーニング，ビッグデータ，および機械学習 1・2 本書の想定する読者 1・3 本書の構成と特徴 第2章 第三次ニューロブーム前 2・1 形式ニューロンのモデル 2・2 ホップフィールドモデル 2・3 多層パーセプトロン 2・4 サポートベクターマシン 2・5 多層化へ 2・6 たかがネコでなぜそんなに騒ぐのか？ 第3章 巨人の肩 3・1 直系尊属ネオコグニトロン 3・2 3層パーセプトロンの近似定理 第4章 心理学の来し方 4・1 伏魔殿 4・2 視覚情報処理 4・3 ピアジ
因子分析 - Wikipedia
因子分析（いんしぶんせき、英: factor analysis）は、分析対象を多数の項目で測定・評価したデータ(=観測データ)の連成を分析し、データの裏にある本質的な原因(=因子)を統計的に推定する多変量解析の手法のひとつ。 心理学におけるパーソナリティの特性論的研究など、心理尺度の研究手法として使用される。 モデル式の形状などから主成分分析と混同されることもあるが、主成分分析は観測データから合成スコアを構築することが目的であるのに対し、因子分析は観測データが合成量であると仮定し、個々の構成要素を得ようとすることが目的であり、両者は因果関係を異にする。 適用の例として「器用さ」の個人差の検討が考えられる。A, B, Cの3人はそれぞれ「ジグソーパズル」「彫刻」「時計の分解」をある速度で器用にこなすことができるとしたときにA, B, Cの器用さをどのように評価すればよいかを考える場合、3人が
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
