構造モデルと意味モデルと事前情報を用いて視覚経験を「再構成」 - potasiumchの日記
Gallantラボの自然画像デコーディング論文第２弾。前回のカードトリック論文(Kay et al. 2008)(fMRIで記録された脳活動を解析することで、任意の120枚の自然画像のうち被験者がどれを見ていたかを当てる。)をさらに推し進めて、もう少し視覚経験の「再構成」に近づけたもの。 Bayesian reconstruction of natural images from human brain activity. Naselaris T, Prenger RJ, Kay KN, Oliver M, Gallant JL. Neuron. 2009 Sep 24;63(6):902-15. 今回の論文で採用された新しい試みは主に２つあって、一つはベイズ推定の枠組みを使って事前情報を「再構成」に組み入れたこと。もう一つは、視覚エンコーディングモデルとして初期視覚野を模した構造モデルだ
ベイズを学びたい人におすすめのサイト - download_takeshi’s diary
ベイジアンフィルタとかベイズ理論とかを勉強するにあたって、最初はなんだかよくわからないと思うので、 そんな人にお勧めのサイトを書き残しておきます。 @IT スパム対策の基本技術解説（前編）綱引きに蛇口当てゲーム？！楽しく学ぶベイズフィルターの仕組み http://www.atmarkit.co.jp/fsecurity/special/107bayes/bayes01.html いくつかの絵でわかりやすく解説してあります。 自分がしるかぎり、最もわかりやすく親切に解説してる記事です。数学とかさっぱりわからない人はまずここから読み始めるといいでしょう。 茨城大学情報工学科の教授のページから http://jubilo.cis.ibaraki.ac.jp/~isemba/KAKURITU/221.pdf PDFですが、これもわかりやすくまとまってます。 初心者でも理解しやすいし例題がいくつかあ
新はてなブックマークでも使われてるComplement Naive Bayesを解説するよ - 射撃しつつ前転 改
新はてブ正式リリース記念ということで。もうリリースから何週間も経っちゃったけど。 新はてなブックマークではブックマークエントリをカテゴリへと自動で分類しているが、このカテゴリ分類に使われているアルゴリズムはComplement Naive Bayesらしい。今日はこのアルゴリズムについて紹介してみる。 Complement Naive Bayesは2003年のICMLでJ. Rennieらが提案した手法である。ICMLというのは、機械学習に関する（たぶん）最難関の学会で、採択率はここ数年は30%を切っている。2003は119/371で、32.1%の採択率だったようだ。 Complement Naive Bayesの位置づけは 実装が簡単 学習時間が短い 性能もそこそこよい という感じで、2003年段階にあっても、絶対的な性能ではSVMに負けていた。しかし、学習が早いというのは実アプリケーシ
pooneilの脳科学論文コメント: Saliency mapとbayesian surprise (2)
■ Saliency mapとbayesian surprise (2) Laurent IttiはKochのところから独立して、いまはUniversity of Southern Californiaでassistant professorをやってます。ここはラボのサイトがむちゃくちゃ充実してます。Visual Attention: Moviesのムービーをダウンロードして見てみると彼がやってることの具体的なイメージがわくのではないでしょうか。あと、wikiで作られているこちらのサイトにいろいろ有用な情報があります。 んで、Ittiは基本的にSaliency mapのことを継続しているのだけれど、さいきんはsaliencyの概念とは違ったアプローチでbottom-up attentionのことを扱おうとして"bayesian surprise"という概念を提唱してます。くわしくはラボのサ
ベイズの定理でプロジェクトの失敗を予測
データを確率の枠組みでとらえる「ベイズの定理」 今回は「ベイズの定理」を概説し、この定理をプロジェクト管理にどのように利用するのか説明します。「ベイズの定理」は確率論や統計学において知られている定理であり、さまざまな事象に関するデータを確率論の枠組みで取り扱うことができるという点で有用な定理です。 確率論の枠組みでデータをとらえることができるという点は、確率や統計の知識のある方にとっては特に大きな利点であるように思えないと思いますが、これがまさにベイズの定理の特徴であるということを説明します。 なおベイズの定理はさまざまな応用があります。この定理を使った内容を総じて「ベイズ的」もしくは「ベイジアン」（Bayesian）と呼びます。今回は、ページ数の都合もあり、ベイズ的意志決定に焦点を当て、特にプロジェクト管理における課題を例として説明していきます。 統計を用いた意思決定 ベイズ的意思決定の
AIRS Labs: Railsで簡単にベイジアンフィルタを使えるacts_as_classified
インターンの増田です。 ActiveRecordのデータを使ってベイジアンフィルタを使う必要があったので、この部分をプラグインActs as classified として抜き出してみました。 インストール 依存しているライブラリをインストールします。 gem install classifier stemmer プラグインをインストールします。 ./script/plugin install svn://rubyforge.org/var/svn/actasclassified/trunk/acts_as_classified また、日本語のデータを学習に用いる場合はMeCab とそのRubyバインディングをインストールします。 日本語は(DB, MeCabともに)UTF-8を対象にしています。 使い方 分類したいモデルでacts_as_classifiedとします。 class Arti
Compute 3D shape and scene from single image
Publication Feng Han, and Song-Chun Zhu, "Bayesian Reconstruction of 3D Shapes and Scenes From A Single Image", Workshop on Higher-Level Knowledge in 3D Modeling and Motion Analysis, Nice, 2003. Abstract It's common experience for human vision to perceive full 3D shape and scene from a single 2D image with the occluded parts ``filled-in'' by prior visual knowledge. In this paper we repre
変分ベイズの理論 titech
が成り立つことは、 統計力学が成立したころから知られていたのではないかと思います・・・。 2.物理学科の3年生で習うこと 物理学科の3年生はみんな、次のことを学習します。 これは数学や情報学では、あまり習わないことなので、物理学科以外の人の 参考になるかも知れません。 (1) 平均場近似は、本当の分配関数 Z を知らなくても計算できますが、 その代わり、平均場近似では本当の Z を知ることはできません。 つまり平均場近似が計算できるということと、本当の現象を知るということは、 情報論的に独立な（？）仕事です。 (2) 1次元スピン系では、平均場近似も厳密解も計算できます。 1次元スピン系では、平均場近似は相転移を持ちますが、厳密解は相転移を持ちません。 ほとんどのモデルで平均場近似は計算できますが、たいていのモデルで厳密解は 計算できません。厳密解が計算できないケ
僻地 - Bayesian Setの種明かし
Bayesian Setとは集合D_Cが与えられたとき、そこから「類推」して、元の集合C⊃D_Cに入る元xを(「自信」の度合いを表す数値つきで)求めるというもの。ただし、D_Cの元やxは特徴データ{c_i}をもっているとする。で、原論文を読むとΓ関数がずらずらでてきておどろおどろしいのだけれど、実はやっていることは簡単だということに気がついたので、書いてみる。簡単のために、特徴はあるかないかの2値的とする。(一般的には連続量も扱える。)すると、Bayesian Setのアルゴリズムがやっていることは、xについて観測された特徴c毎に重みwを足していくだけである。重みwはハイパーパラメーターα、βを使って,と書ける。ハイパーパラメータというと難しいそうだが、α_t = (Nc:D_Cでcをもつ元の数) + α、β_t = (N-Nc:D_Cでcを持たない元の数) + βと定めるので、α、βは先
bsets, the Bayesian Sets.
bsets, The Bayesian Sets algorithm. Daichi Mochihashi NTT Communication Science Laboratories $Id: index.html,v 1.2 2006/02/15 03:45:22 daiti-m Exp $ bsets is a very simple (almost trivial) implementation of Bayesian Sets (Ghahramani and Heller, 2005) in MATLAB. Download bsets-0.1.tar.gz [2.7KB] (2006/2/14) Contents s = bsets(X,q,alpha,beta) computes the score of each entry in X given the query vec
Bayesian Sets - mots quotidiens.
Bayesian Sets (Ghahramani and Heller, NIPS 2005)は Google Sets と同じようなことをベイズ的に行うアルゴリズムです。 いくつかアイテムを入れると, それを「補完する」ようなアイテムを 返してくれます。 これは NIPS の accepted papers が出た去年の8月から気になっていて, 本会議ではオーラルの発表もあって大体のやっていることはわかった ものの, 何と(本会議の時も!)論文がなく, 直接Hellerに連絡して もらえるように頼んでいたところ, Online proceedings の締切りがあった 時に連絡があって, 読めるようになりました。(リンクは下のページ参照) 岡野原君に先に 紹介 されてしまいましたが, 以下は, 岡野原君が書いていない話。 Bayesian Sets は, アイテム集合 D に対して,
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
事後確率と尤度（頻度主義とベイズ主義について）
---------------------------------------------------------- 事後確率と尤度――系統推定における最尤法とベイズ法の最前線 ---------------------------------------------------------- 尤度（likelihood）とはある仮説（モデル）のもとで観察されたデータが生じる確率を意味しています．以下では，この尤度が「ベイズの定理」と呼ばれているもののパーツを構成していることを示します．これは，系統推定の業界で「最尤法」に代わるものとして最近用いられ始めている「ベイズ法」を理解する要になります． ------------------------ ●「ベイズの定理」の導出 ------------------------ いま，観察データＤが与えられたとして，それを説明する対立仮説がＨi（ｉ
A Plan for Spam - スパムへの対策
スパムへの対策 ---A Plan for Spam Paul Graham, August 2002 これは、Paul Graham：A Plan for Spam を、原著者の許可を得て翻訳・公開するものです。 <版権表示> 本和訳テキストの複製、変更、再配布は、この版権表示を残す限り、自由に行って結構です。 (「この版権表示」には上の文も含まれます。すなわち、再配布を禁止してはいけません)。 Copyright 2002 by Paul Graham 原文: http://www.paulgraham.com/spam.html 日本語訳：Shiro Kawai (shiro ＠ acm.org) <版権表示終り> Paul Graham氏のエッセイをまとめた『ハッカーと画家』の 邦訳版が出版されました。 出版社の案内ページ Amazon.co.jp サポートページ
Better Bayesian Filtering - ベイジアンフィルタの改善
ベイジアンフィルタの改善 --- Better Bayesian Filtering Paul Graham, January 2003 これは、Paul Graham： Better Bayesian Filtering を、原著者の許可を得て翻訳・公開するものです。 <版権表示> 本和訳テキストの複製、変更、再配布は、この版権表示を残す限り、自由に行って結構です。 (「この版権表示」には上の文も含まれます。すなわち、再配布を禁止してはいけません)。 Copyright 2002 by Paul Graham 原文: http://www.paulgraham.com/better.html 日本語訳：Shiro Kawai (shiro ＠ acm.org) <版権表示終り> Paul Graham氏のエッセイをまとめた『ハッカーと画家』の 邦訳版が出版されました。 出
bsfilter / bayesian spam filter / ベイジアン スパム フィルタ
Subscribe to our newsletter to get daily updates about Programming and Spam Filtering.
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
A Bayesian Approach to Digital Matting
http://hawaii.naist.jp/~shige-o/cgi-bin/wiki/wiki.cgi?%C6%FE%CC%E7%BC%D4%B8%FE%A4%B1%B2%F2%C0%E2
Something went wrong...