百科事典

リサンプリング方法は、元のデータ サンプルから繰り返しサンプルを抽出することを指します。これは統計的推論のノンパラメトリックな方法です。つまり、リサンプリングでは確率 p の値を近似するために普遍的な分布は使用されません。

残差マッピングは、残差ネットワークの構築に基づく対応関係です。一般的な式は H ( x ) = F ( x ) + x です。ここで、 F ( x ) は残差関数です。

プーリングは空間プーリングとも呼ばれ、畳み込みニューラル ネットワークで特徴を抽出するために使用される方法です。

コンピュータービジョンは、機械に「見える」ようにする方法を研究する科学です。さらに、人間の目の代わりにカメラやコンピューターを使用して対象を識別、追跡、測定したり、コンピューターを使用して画像を人間により適した画像に処理したりすることを指します。観察または伝達する目。機器のテストのイメージを与える分野。 定義 コンピュータ ビジョンは、コンピュータとその関連物の使用です […]

計算言語学は、数理モデルを用いて自然言語を解析・処理し、その解析・処理過程をコンピュータ上のプログラムで実現することで、人間の言語能力の一部、あるいは全部を機械で模擬する学問です。 基本的な内容 計算言語学は、その仕事の性質と複雑さに応じて、次の 3 つのカテゴリに分類できます: 自動オーケストレーション: […]

固有分解は行列を固有値と固有ベクトルで表される行列の積に分解する手法ですが、固有分解できるのは対角化可能な行列のみです。 固有値は、線形変化における固有ベクトルの長さのスケーリング比として見ることができます。固有値が正の場合、$latex v $ が線形変換されたことを意味します。

バックプロパゲーションの定義 バックプロパゲーションは、「誤差バックプロパゲーション」の略語で、人工ニューラル ネットワークをトレーニングするために最適化手法と組み合わせて使用される一般的な手法です。この手法は、ネットワーク内のすべての重みの損失関数を計算します。 この勾配は最適化メソッドにフィードバックされ、損失関数を最小化するように重みが更新されます。 […]

時間によるバックプロパゲーションは、リカレント ニューラル ネットワーク (RNN) に適用されるバックプロパゲーション アルゴリズムです。 BPTT は、RNN に適用される標準的な逆伝播アルゴリズムとみなすことができます。各タイム ステップは計算層を表し、そのパラメーターは計算層間で共有されます。 RNN はすべてのタイム ステップで動作するため […]

一般的な基本学習器は、ロジスティック回帰、決定木、SVM、ニューラル ネットワーク、ベイジアン分類器、K 最近傍法などで構成できます。 同じ種類の学習アルゴリズムによって学習データから個別の学習器が生成される場合、それは同次統合と呼ばれます。このとき、個別の学習器はベース学習器とも呼ばれます。統合には異なる […]

この定義では、x がクラスの状態に依存する連続確率変数であり、p(x|ω) の形式で表現されると仮定しています。これは、「クラス条件付き確率」関数、つまり、次の場合の x の確率関数です。クラス状態は ω です。 クラス条件付き確率関数 $latex P\left(X | w_{i}\ri […]

CART は、入力確率変数 X が与えられた場合に、出力確率変数 Y の条件付き確率分布を学習する方法です。 CART の定義 デシジョン ツリーがバイナリ ツリーであり、内部ノードの特徴の値が "yes" と "no" であり、左の分岐が値 "yes" を持つ分岐であり、右の分岐が値「no」で分岐します。これ[…]

クラスの不均衡は、2 つのクラスのラベルの出現頻度に大きなギャップがあるバイナリ分類問題です。 たとえば、特定の疾患データ セットでは、0.0001 のサンプルが正のクラス ラベルを持ち、0.9999 のサンプルが負のクラス ラベルを持ちます。これは分類の不均衡の問題ですが、特定の […]

閉じた式とは、任意の独立変数が与えられた場合に、従属変数、つまり問題の解を見つけることができるいくつかの厳密な式を指します。この式には、分数、三角関数、指数関数、対数、さらには無限級数が含まれます。 、など、基本関数の解の形式。 相関解を見つけるために使用される方法は、分析的方法とも呼ばれ、一般的な微積分法です […]

クラスター分析は統計データ分析の手法であり、機械学習、データマイニング、パターン認識、画像分析、生体情報などの多くの分野で広く使用されています。 クラスタリングとは、静的な分類方法によって類似のオブジェクトを異なるグループまたはより多くのサブセットに分割し、同じサブセット内のメンバー オブジェクトが […]

クラスタ統合は、クラスタリング結果の精度、安定性、堅牢性を向上させるアルゴリズムです。複数の基本クラスタリング結果を統合することで、より良い結果を生成できます。 この方法の基本的な考え方は、複数の独立したベース クラスタラーを使用して元のデータ セットをそれぞれクラスター化し、その後、何らかの統合手法を使用してそれを処理し、最も […]

デジタル リモート コントロール システムのデコーダの不可欠な部分。双安定フリップフロップとコーディングスイッチで構成されます。各双安定には「1」と「2」の 2 つの状態があります。n 個の双安定がカスケード接続されると、2n 通りの組み合わせがあり、コーディング スイッチはバイナリ コード グループに従って接続されます。エンコーディングマトリックスの目的は、命令を変換することです […]

ACM が主催し、毎年開催される計算学習理論カンファレンスの 1 つ。 計算学習理論は、理論的なコンピューター サイエンスと機械学習の交差点と見なすことができるため、コンピューター サイエンス関連の会議として広く認識されています。 公式サイト：https://learning Theory.org/colt2019 […]

競争学習は人工ニューラルネットワークの学習方法です。 ネットワーク構造が固定されている場合、学習プロセスは接続権の変更に要約されます。競合学習とは、ネットワーク ユニット グループ内のすべてのユニットが外部刺激パターンに応答する権利をめぐって互いに競合することを意味します。 競争に勝ったユニットの接続権は、この刺激モードの競争に有利な方向に変化します […]

コンポーネント学習器は個別学習器の一種で、アンサンブル学習によって生成された個別学習器に基づいています。 個別の学習器が異なる学習アルゴリズムによって生成される場合、それは異種アンサンブルと呼ばれ、これらの個別の学習器はコンポーネント学習器と呼ばれます。

解釈可能性とは、何かを理解したり解決したりする必要があるときに、必要な関連情報を入手できることを意味します。 データ レベルでの解釈可能性: ニューラル ネットワークに、人間自身の知識フレームワークと一致する明確な象徴的な内部知識表現を持たせ、人々がニューラル ネットワークを意味論的レベルで診断および変更できるようにします。 機械学習は解決可能です […]

機械学習分野の分類アルゴリズムは、属性を離散属性と連続属性に分割します。離散属性は有限または無限の可算値を持ち、整数で表される場合と表されない場合があります。たとえば、属性 Hair_color、smoker、medical_test、および Drink_size はすべて有限の値を持ちます。 […]

定義 カスケード相関は、最小の多層ネットワーク トポロジを構築するために使用できる教師あり学習アーキテクチャであり、その利点は、ユーザーがネットワークのトポロジを気にする必要がなく、学習速度が従来の学習アルゴリズムよりも速いことです。 相関アルゴリズム カスケード相関アルゴリズムは次のように実装されます。 入力と出力のみを含む最小限のネットワークから開始します […]

定義: 指定された条件下で、基準物質を含む測定機器の特性に値を割り当て、その表示の誤差を決定するために参照標準が使用されます。 目的: 指示誤差を決定し、それが予想される許容範囲内にあるかどうかを判断し、公称値偏差のレポート値を取得し、測定器を調整するか、指示値を修正します。

定義 微分方程式 $latex \frac{d \mathbf{x}}{dt}=\mathbf{f}(t, \mathbf{x}), \mathbf{x} \in \mathbb{R}^{n の場合$ 、$latex の場合 […]