目次
スパース性に基づく機械学習 (機械学習プロフェッショナルシリーズ)
- 冨岡 亮太(著)/ 杉山 将(編)
- 第1章 はじめに
- 第2章 データからの学習
- 2.1 訓練データと汎化
- 2.2 分散とバイアス
- 2.3 正則化
- 2.4 交差確認
- 2.5 制約付き最小化問題と罰則項付き最小化問題の等価性
- 第3章 スパース性の導入
- 3.1 オッカムの剃刀
- 3.2 l1ノルム正則化
- 3.3 人工データを用いた説明
- 3.4 文献に関する補遺
- 第4章 ノイズなしl1ノルム最小化の理論
- 4.1 問題設定
- 4.2 幾何学的考察
- 4.3 ランダムな問題に対する性能
- 4.4 文献に関する補遺
- 第5章 ノイズありl1ノルム最小化の理論
- 5.1 問題設定
- 5.2 ランダムな問題に対する性能
- 5.3 準備
- 5.4 基本的な性質
- 5.5 制限強凸性
- 5.6 定理5.1と系5.1の証明
- 5.7 定理5.2の証明
- 5.8 数値例
- 第6章 l1ノルム正則化のための最適化法
- 6.1 最適化法の種類
- 6.2 準備
- 6.3 繰り返し重み付き縮小法
- 6.4 近接勾配法およびその加速
- 6.5 双対拡張ラグランジュ法
- 6.6 双対交互方向乗数法
- 6.7 数値例
- 第7章 グループl1ノルム正則化に基づく機械学習
- 7.1 定義と具体例
- 7.2 数学的性質
- 7.3 最適化
- 第8章 トレースノルム正則化に基づく機械学習
- 8.1 定義と具体例
- 8.2 数学的性質
- 8.3 理論
- 8.4 最適化
- 第9章 重複型スパース正則化
- 9.1 定義と具体例
- 9.2 数学的性質
- 9.3 最適化
- 第10章 アトミックノルム
- 10.1 定義と具体例
- 10.2 数学的性質
- 10.3 最適化
- 10.4 ロバスト主成分分析を用いた前景画像抽出
- 第11章 おわりに
- 11.1 何がスパース性を誘導するのか
- 11.2 どのような問題にスパース性は適しているのか
- 11.3 結局,どの最適化アルゴリズムを使えばよいのか
情報理論・情報科学 ランキング
情報理論・情報科学のランキングをご紹介します情報理論・情報科学 ランキング一覧を見る
前へ戻る
-
1位
-
2位
-
3位
-
4位
-
5位
-
6位
-
7位
-
8位
-
9位
-
10位
次に進む