人工知能の学習理論2






もどる

渡辺ホーム






少しずつ 無理のない速さで お読みください。



(1) 基礎数学

カルバック・ライブラ距離 ,  経験過程 ,  変分法の基礎 ,  特異点の解消 ,  なぜ代数幾何? , 


(2) 深層学習

伝説・深層学習 ,  ニューラルネットを使ってみよう ,  神経回路網で何が研究されてきたか , 

識別問題 (mp4) ,  畳み込みネット (mp4) ,  Ridge と Lasso (mp4) , 


(3) ベイズ統計

目でみる尤度関数 (NEW) ,  初めてのベイズ学習 ,  事前分布 ,  ベイズ推論:何度でも尋ねられること ,  階層ベイズ法とWAIC , 


(4) 情報量規準

WAIC ,  WBIC ,  CVとWAIC WAICとWBIC,最近の研究から ,  なぜ新しい規準? ,  パレート平滑化クロスバリデーション , 


(5) ベイズ統計つづき

ベイズ統計の主要定理 代数幾何とベイズ統計 ,  質問:自由エネルギー ,  交換の確率


(6) いろいろな話

数学科の皆さまに ,  物理学科の皆さまに ,  統計情報学科の皆様に ,  繰りこみ可能とは , 


(7) いただいた質問への回答

実験:汎化損失と学習損失 ,  ベイズ事後分布の相転移について ,  「理論と方法」第4.5章4.6章 , 


(8) 理論研究を始める人の準備のための読み物

学習理論の基本 ,  線形モデルの予測二乗誤差 ,  ベイズ推測の基礎理論 ,  実対数閾値の求め方 ,  WBICの数学的基礎 ,