スパースモデリングとは｜仕組み・強み・ディープラーニングとの違いを解説 | Ledge.ai
サインインした状態で「いいね」を押すと、マイページの 「いいね履歴」に一覧として保存されていくので、 再度読みたくなった時や、あとでじっくり読みたいときに便利です。
タグ検索の該当結果が少ないため、タイトル検索結果を表示しています。
サインインした状態で「いいね」を押すと、マイページの 「いいね履歴」に一覧として保存されていくので、 再度読みたくなった時や、あとでじっくり読みたいときに便利です。
画像の欠損補間 実世界の問題において、データが欠損していることが多々あります。そのような場合にも、スパースであるという仮定をうまく利用することで、データの欠損を補間することができます。 前回、画像の再構成について紹介したとき、自然画像をパッチに区切って辞書学習を行うと、各パッチは得られた辞書を用いてスパースに表現できることがわかりました。実はこの辞書とスパース表現は、学習画像に、ある程度欠損があったとしても、うまく求めることができるのです。 なぜ、そんなことが可能かというと、例えば100変数の連立方程式を考えたときに、式の数は100個あれば全ての変数の値を決定できます。データとして10000個方程式があったとしても、そのうちの1％だけを使って連立方程式を解くことができます。また、方程式の解がほとんど0であるとわかっている場合も少数の方程式から解が得られることが知られています。つまり、100
スパースモデリングの画像処理への応用～画像の再構成とノイズ除去
本連載は「これから機械学習に取り組みたい」「ディープラーニングや機械学習を使った経験がある」といったエンジニアに向けて、データ量が少なくても分析が実現できる「スパースモデリング」という手法を紹介します。前回はスパースモデリングの代表的な手法であるLASSOについて解説をしてきました。今回は、辞書学習と呼ばれる手法を紹介し、画像処理への応用について解説します。 辞書学習とは LASSOとは、\(y\)と\(\Phi\)が与えられたとき、\(\frac{1}{2}\|y - \Phi x \|^2_2 + \lambda \|x\|_1\)を最小化するような\(x\)を見つける問題でした。これは、\(y = \Phi x\)に対して、観測値\(y\)は説明変数のうち少ないものの組み合わせで表現できるはずだという仮定に基づいています。 今回紹介する辞書学習は、観測値が与えられたとき、これらの観測
本連載は「これから機械学習に取り組みたい」「ディープラーニングや機械学習を使った経験がある」といったエンジニアに向けて、データ量が少なくても分析が実現できる「スパースモデリング」という手法を紹介します。 前回はスパースモデリングの画像処理への発展的な応用として、画像の欠損補間、異常検知、超解像の3つを紹介しました。今回はスパースモデリングの最近の学術分野におけるスパースモデリングの発展の様子、最新の手法をご紹介します。 スパースモデリングにおける数理モデル研究の重要性 データが少なく説明責任が求められる状況に力を発揮するスパースモデリングの中には、様々な手法があります。例えば、第2、3回で紹介したLASSOや、第4、5回で紹介した辞書学習などはその中の代表的なものとして知られています。スパースモデリングを扱うエンジニアには、問題の質に応じて、これらの中から最も適切な手法を選択することが求め
HOME/ AINOW編集部 /ブラックホールの可視化にも使われた「スパースモデリング」とは / ディープラーニングは唯一の選択肢なのか！？ ディープラーニングの技術は2010年代の初頭にAIブームの火付け役となりました。 今まで、人類が成し遂げきれなかった画像を認識する技術が、ディープラーニングにより急発展し、多くの投資が行われています。 一方で、高性能なディープラーニングの技術を維持するためには、膨大な計算コストがかかり、学習用の大量のデータを準備する必要があり、適用領域は製造業をはじめとしたいくつかの分野に限定的になっているとも言えます。 今後は、コストがかからず、少ないデータから、高精度な認識ができる技術改善が求められています。 今回は、「ディープラーニングは唯一の選択肢なのか！？」という疑問をもとに、「スパースモデリング」という技術に注目して、わかりやすくお伝えしたいと思います。
LASSO推定値に影響を与えるパラメータ 前回の記事ではスパースモデリングの代表的手法であるLASSOを紹介しました。LASSOとは、以下の式の値を最小化する最適化問題のことを指します。 \(\frac{1}{2}\|\Phi x - y\|^2_2 + \lambda \|x\|_1\) この式における第二項は正則化項、\(\lambda\)が正則化パラメータと呼ばれます。ここで正則化パラメータの大きさというのは、正則化項が及ぼす影響の大きさを表します。前回の記事でLASSOを用いるといくつかの回帰係数がゼロとなり、変数選択を行うことができると説明しましたが、正則化パラメータを変更することで、ゼロと推定される回帰係数の数が変わっていきます。正則化パラメータが大きい時は\(|x\|_1\)を小さくしようとする動きが働きます。つまり、ゼロと推定される回帰係数の数が多くなります。逆に正則化パラ
少ないデータでAIが作れる技術「スパースモデリング」とは？
「スパースモデリング」と呼ばれるデータ分析手法をご存知だろうか。わずかなデータからでもAIモデルを構築可能な技術であり、2019年にイベント・ホライズン・テレスコープが公開した、ブラックホールシャドウの撮影に利用された手法としても知られる。 スパースモデリングは膨大な量のデータから学習するディープラーニングとは反対に、わずかなデータ量からでもAIを構築可能であり、AIが結論を導く過程が人間にも理解しやすく、AIのブラックボックス化問題の回避も可能だという。 独自のスパースモデリング技術をAIに応用してデジタルソリューションを開発する、AIスタートアップ HACARUSの代表取締役 CEO 藤原健真氏に、同技術の概要と今後の発展性について話を聞いた。 HACARUS 代表取締役 CEO 藤原健真氏 プロフィール 1976年生まれ、滋賀県出身。カリフォルニア州立大学コンピューター科学学部卒業。
本連載は「これから機械学習に取り組みたい」「ディープラーニングや機械学習を使った経験がある」といったエンジニアに向けて、データ量が少なくても分析が実現できる「スパースモデリング」という手法を紹介します。今回は、スパースモデリングの歴史を紐解きながら、その代表的なアルゴリズムであるLASSOについて解説します。 スパースモデリングの基本アイデア オッカムの剃刀 2010年代初頭にバズワードにまでなったビッグデータ。今では当時の過熱ぶりはなくなり、ハードウェアやクラウド環境の充実とともに活用が広がっています。ビッグデータには一つの明確に定まった定義はありませんが、RDBMSでは扱いづらくなるほどの大量データであるという量的側面と、データの出処やその種類が多種多様であるという質的側面などが特徴として挙げられます。ビッグデータが手元にあり、解きたいビジネス課題にそのビッグデータを使うのが適当である
キットにはSPECTROを実行するためのボックス PCの他、Baslerの外観検査用カメラやレンズ、カメラスタンドやスタンドに付けるLEDライト、撮影用マットが含まれている。ボックス PCはドイツのCPUボードメーカーであるcongatecの「Qseven」を採用した。CPUはIntelの「Pentium N4200」を使用。製造機械への組み込み用外観検査アルゴリズム「SPECTRO CORE」の評価ライセンス6カ月分も付属する。 教師データが深層学習の“1000分の1”で済む場合も 昨今、生産ラインなどで不良品の外観検査にAI活用を試みる事例が増えている。これらの事例では、ディープラーニングを用いたAIモデルを用いるケースも少なくない。しかし、ディープラーニングで十分な認識精度を実現するためには大量の教師データが必要となる。外観検査の場合は不良品画像を大量に収集する必要があるが、一般的に
ITエンジニアのためのスパースモデリング入門一覧
CodeZine編集部では、現場で活躍するデベロッパーをスターにするためのカンファレンス「Developers Summit」や、エンジニアの生きざまをブーストするためのイベント「Developers Boost」など、さまざまなカンファレンスを企画・運営しています。
【ライブ配信セミナー】スパースモデリングの基礎と応用がわかる一日速習セミナー（Pythonハンズオンあり） 10月22日（木）開催 主催：(株)シーエムシー・リサーチ
【ライブ配信セミナー】スパースモデリングの基礎と応用がわかる一日速習セミナー（Pythonハンズオンあり） 10月22日（木）開催 主催：(株)シーエムシー・リサーチ本セミナーは、当日ビデオ会議ツール「Zoom」を使ったウェビナー（ライブ配信セミナー）となります。 先端技術情報や市場情報を提供している(株)シーエムシー・リサーチ（千代田区神田錦町： https://cmcre.com/ ）では、 各種材料・化学品などの他、エレクトロニクス・AI・MI関連の市場動向・技術動向のセミナーや書籍発行を行っておりますが、 このたび「スパースモデリングの基礎と応用がわかる一日速習セミナー(Pythonハンズオンあり)」と題するセミナーを、 講師に増井 隆治 氏 （株）HACARUS データサイエンティスト）をお迎えし、2020年10月22日（木）10:30より、 ZOOMを利用したライブ配信で開催い
この記事では、ブラックホールシャドウの観測などで大きな話題となったスパースモデリングについて、複雑な数式を用いずに解説します。 今回は、スパースモデリングに精通している株式会社HACARUSの井上氏と、増井氏に解説していただきました。 井上晴幾：株式会社HACARUS データサイエンティスト。学部で薬学、大学院で生物学を修めた後、「ファッションを通して人の心が見えるかも」と考え新卒で大手アパレルECサイト運営会社へ入社。商品推薦システムの開発へ従事し、推薦モデルの考案を担当。その後、心ばかりではなく身体的に人を健康にしたいと2020年2月にHACARUSへジョイン。薬学と生物学の知識を持つデータサイエンティストとして、情報系出身のデータサイエンティストに喰らい付こうとしている。でも一番得意なのは水泳。 増井 隆治：株式会社HACARUS データサイエンティスト / スパースモデリングエヴァ
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
スパースモデリングの画像処理への発展的な応用～欠損補間、異常検知、超解像
最先端のスパースモデリング～HMLassoとPliable Lasso～
ブラックホールの可視化にも使われた「スパースモデリング」とは / ディープラーニングは唯一の選択肢なのか！？ | AI専門ニュースメディア AINOW
スパースモデリングのモデルを評価する～LASSO推定値の評価方法
スパースモデリングはなぜ生まれたか？ 代表的なアルゴリズム「LASSO」の登場 - HACARUS INC.
教師データは深層学習の10分の1、スパースモデリング活用の外観検査AIキット
少数データから本質を抽出するスパースモデリング | AI専門ニュースメディア AINOW
www.mensnonno.jp
musikure.hateblo.jp
hiro2003t.hatenablog.com
cat.benesse.ne.jp
massneko.hatenablog.com
ranmarukuro.hatenablog.com