百科事典

非負行列因数分解 (NMF) は、すべての要素が非負制約を満たす行列因数分解方法です。

ノルムは数学の基本的な関数です。ベクトル空間 (または行列) 内のベクトルの長さまたはサイズを測定するためによく使用されます。モデルパラメータのノルムは正則化関数として使用できます。

独立依存推定 (ODE) は、半単純ベイジアン分類器で最も一般的に使用される戦略です。いわゆる独立依存とは、各属性がカテゴリ外の他の属性に最大 1 つだけ依存することを意味します。

多項式カーネル関数とは、多項式形式で表現されたカーネル関数を指します。これは、直交正規化データに適した非標準カーネル関数です。その具体的な形式を図に示します。

多重説明の原理は、経験的観察と一致するすべての仮説を保持することを主張する考え方です。

超平面の分割とは、2 つの互いに素な凸集合が開いている場合、それらを分離できる超平面が存在することを意味します。

層化サンプリングは、まず層化してから抽出するサンプリング方法です。統計学でよく使用されるサンプル抽出方法です。

シンボリック学習とは、人間の学習能力を機能的にシミュレートする機械学習手法を指します。

記号人工知能の分野は、数学的論理を固く信じている学派です。

ヘヴィサイド ステップ関数とも呼ばれる単位ステップ関数は、次のように定義されます。そのイメージは次のとおりです。 関連ワード: ショック関数、

フォン ノイマン アーキテクチャは、プログラム命令メモリとデータ メモリを組み合わせたコンピュータ設計概念です。

二次学習とは、一次学習状況が理想的ではない場合に繰り返される学習を指します。

不等コストとは、各カテゴリに発生した損害に対して異なるコストが割り当てられている状況を指します。

非飽和ゲームは、理論的分析ではなくヒューリスティックに触発されています。

敵対的ネットワークは、敵対的生成ネットワークの実装であり、指定されたニューラル ネットワーク モデルに対して敵対的サンプルをバッチで生成するために使用されます。

敵対的な例とは、ネットワーク出力が不正確になる原因となるニューラル ネットワークの入力を指します。 入力サンプルは、データセットに微妙な干渉を意図的に追加することによって形成されます。干渉された入力により、入力サンプルは敵対的サンプルと見なされます。モデルについて […]

アフィン層は、ニューラル ネットワークの完全に接続された層であり、さまざまな層のニューロン間の相互接続と見なすことができ、多くの点でニューラル ネットワークの「標準」層とみなすことができます。 アフィン層の一般的な形式は次のとおりです。 y = f( wx + b) 注: x は層の入力、w はパラメータ、b は偏差 […]

計量学習も類似性と考えることができます。メトリック学習はサンプル間の類似性を測定することであり、これはパターン認識の中核問題の 1 つです。 計量学習の目標は、同じ種類のサンプル間の距離をできるだけ小さくし、異なる種類のサンプル間の距離をできるだけ広げることです。

多分類 (多分類とも呼ばれる) は、分類タスクにおける 3 つ以上のカテゴリーの分類を指します。 既存のマルチクラス分類技術は、(i) バイナリへの変換、(ii) バイナリからの拡張、および (iii) 階層分類に分類できます。 一般的な戦略 1) 1 対すべての戦略では、各クラスに固有の […] を確立する必要があります。

多層パーセプトロン (MLP) は、一連の入力ベクトルを一連の出力ベクトルにマッピングする順方向構造の人工ニューラル ネットワークです。 これは、各層が次の層に完全に接続された複数のノード層で構成される有向グラフとして見ることができます。入力ノードを除いて、それぞれ […]

モダリティとは、人が情報を受け取る特定の方法を指します。マルチメディア データは、複数の種類の情報を送信する媒体であることが多いため (たとえば、テキスト情報、視覚情報、聴覚情報がビデオ内で同時に送信されることがよくあります)、マルチモーダル学習は徐々にマルチメディア コンテンツの分析と理解の主要な手段として発展してきました。モーダル学習には主に次のものが含まれます […]

汎化誤差の上限とは、汎化誤差の最大許容値を指します。この上限を超えると、機械学習の実現可能性に影響します。 汎化誤差とは、トレーニング セットからトレーニング セットの外への汎化プロセスによって引き起こされる誤差を指します。これは通常、トレーニング セット外の誤差、つまり入力空間全体での誤差期待値からトレーニング誤差を減算することによって取得されます。 誤差の上限が広いため […]

多次元スケーリング (MDS) は、一連のオブジェクト間の距離を視覚的に表現したもので、教師なし次元削減アルゴリズムとしても使用できます。これは、高次元の状況で発生するサンプルデータの疎さや距離計算の困難さを軽減できる次元削減手法です。 主成分分析法や線形次元削減分析法とは異なる、線形次元削減法です […]

多重線形回帰は、複数の変数に対して行われる線形回帰です。 重線形回帰法は、より多くの独立変数とより多くのパラメーターがあることを除いて、単変量回帰と似ています。 一般的に使用される重回帰関数変数間の線形相関係数 cor(dataframe) 散布図行列scatterplotMatrix […]