百科事典

推論エンジンから開発されたルール エンジンは、アプリケーションに埋め込まれたコンポーネントであり、ビジネス上の決定をアプリケーション コードから分離し、事前定義されたセマンティック モジュールを使用してビジネス上の決定を記述します。

核ノルムは行列の特異値の合計であり、行列の低ランクを制約するために使用されます。

相関分析とは、トランザクション データ、リレーショナル データ、またはその他の情報媒体内のアイテムまたはオブジェクトのコレクション間に存在する、頻繁に発生するパターン、関連性、相関関係、または因果構造を検索することです。 関連分析手法 Apriori アルゴリズム Apriori アルゴリズムは、ブール相関ルールを生成するために必要な、頻繁に使用される項目セットをマイニングするための基本的なアルゴリズムです。

個人学習者は相対的な概念であり、アンサンブル学習における統合前の学習者です。 統合学習法は、個々の学習者の生成方法に応じて、次の 2 つのカテゴリに分類できます。 Boosting に代表される、依存性が強く、逐次的に生成する必要がある直列化法と、依存性が強くなく同時生成可能な組み合わせ [ …]

帰納法とは、一連の具体的な事実から一般的な原理をまとめる推論のこと 数学における帰納法とは、複数の事柄から一般的な概念や原理、結論をまとめる思考方法のことを指します。 帰納法は、完全帰納法と不完全帰納法に分けることができます。 完全な帰納法: このタイプのすべてのオブジェクトが含まれるため、[...]

帰納学習は、主に特定の概念について一連の既知の肯定的な例と否定的な例を与え、そこから概念の説明を導き出すことによって、通常は記号学習に使用される機械学習の方法です。 帰納的学習は、新しい概念を獲得し、新しいルールを作成し、新しい理論を発見することができます。その一般的な操作は一般化と特殊化であり、一般化とは拡張を指します。

累積誤差逆伝播アルゴリズム (ABP アルゴリズム) は、標準の **逆伝播 (BP) アルゴリズム ** の変形であり、累積誤差の最小化に基づく更新ルールが導出される場合、累積誤差逆伝播アルゴリズムが取得されます。

ヒンジ損失関数の形状はヒンジに似ており、これが名前の由来でもあります。この種の損失関数は主にサポート ベクター マシンに存在し、正しい分類が必要であるだけでなく、信頼度が十分に高い、つまり、関数の学習にはより高い要件があります。 ヒンジ損失関数の式は L ( y ( w * x […]

ハイブリッド コンピューティングは、従来のハード コンピューティングと新しいソフト コンピューティングを統合したコンピューティング手法であり、それぞれの利点を活かして限界を克服できます。 ハードコンピューティングの主な特徴: 問題の標準化された数学的モデルを確立するのが容易である; 確立された数学的モデルは解決が容易であり、高い安定性を達成できる。 柔らかい[…]

ガウス カーネル関数は、限られた次元のデータを高次元の空間にマッピングできる一般的に使用されるカーネル関数です。 $latex {k{ \left( {x,x\text{'}} \right) ) } \text{ }=\text{ }e\m […]

ガウス混合モデル GMM はガウス確率密度関数に基づいており、あらゆる形状の密度分布を滑らかに近似することができます。GMM にはさまざまなモデルがあるため、複雑なオブジェクトのモデル化に使用できます。 観測データのバッチ $latex {X\text{ }=\text […] があるとします。

一般化線形モデルは、従属変数の偏差分布が正規分布以外の分布形式を持つことを可能にする柔軟な線形回帰モデルです。 一般化線形モデルの定義は、単純な最小二乗回帰の拡張であると仮定します。各データ の観測値は、指数分布の平均値です。

帰納的バイアスは機械学習における一連の仮定として見ることができ、機械学習における目的関数に必要な仮定として使用されます。最も典型的な例はオッカムの剃刀です。 帰納的バイアスは数学的論理に基づいていますが、実際の応用では、学習者の帰納的バイアスは非常に大まかな説明にすぎないか、あるいは理論値に比べればさらに単純である可能性があります。

カーネル法はパターン認識アルゴリズムの一種であり、その目的は、一連のデータ内の相互関係を見つけて学習することです。 カーネル法は、「低次元空間では線形分離できない点集合も、高次元空間では点集合に変換すると線形分離可能になる可能性がある」という仮定に基づいています。 カーネル メソッドの基本的な理解: 生データのパターンは […]

一般化レイリー エントロピーは、関数 R(A,B,x) を参照するレイリー エントロピーの拡張として見ることができます。 $latex {R{ \left( {A,B,x} \right) }\text{ }= \text{ }\frac{{x\mathop{{}}\nolim […]

帰納的論理プログラミング (ILP) は、一次ルール学習に関数と論理式の入れ子を導入し、一次論理を式言語として使用する記号ルール学習方法です。 ILP は、機械学習システムがより強力な表現力を持つことを可能にすると同時に、主にバックグラウンドに基づいて問題を解決するために使用される機械学習のアプリケーションとみなすことができます。

カーネルのトリックは、カーネル関数を使用して $latex \langle\phi(x)、\phi(z)\rangle $ を直接計算し、それぞれ $latex \phi(x) $ および $latex \phi(z) $ の計算を回避することです。カーネルメソッド計算の高速化 […]

リカレント ニューラル ネットワークは、単語、文章、段落、記事を意味論に従って同じベクトル空間にマッピングできる表現学習手法です。つまり、組み合わせ可能な (ツリー/グラフ構造) 情報を個別のベクトルとして表現できます。

負の相関とは、変数の 2 つの列が逆方向に変化することを意味します。変数の 1 つの列が変化すると、変数のもう 1 つの列も前の変数とは逆の方向に変化します。

一変量決定木とは、変数が 1 つだけの決定木を指します。つまり、ノードが分割されるたびに、特徴セット内の特徴が 1 つだけ選択されます。これは、決定木の分類境界が座標軸に平行な複数のセグメントで構成されていることも意味します。

負の対数尤度は、分類問題を解くために使用される損失関数であり、尤度関数の自然対数形式であり、その負の符号により、尤度の最大値が最小値に対応します。損失であり、最尤推定および関連分野で一般的な関数形式です。 機械学習では、最適化を使用するのが一般的です […]

非凸最適化は、機械学習と信号処理の分野の手法です。非凸問題に対して緩和処理を用いずに、原因対象を直接解決したり、非凸式を直接最適化したりする手法を指します。

非線形モデルとは、独立変数と従属変数間の非線形関係を持つ数式を指します。線形モデルと比較すると、従属変数と独立変数の間の関係は、座標空間内で線形対応として表現できません。

非計量距離とは、直接性を満たさないパラメータ間の距離を指します。