サイト内検索

詳細検索

ヘルプ

セーフサーチについて

性的・暴力的に過激な表現が含まれる作品の表示を調整できる機能です。
ご利用当初は「セーフサーチ」が「ON」に設定されており、性的・暴力的に過激な表現が含まれる作品の表示が制限されています。
全ての作品を表示するためには「OFF」にしてご覧ください。
※セーフサーチを「OFF」にすると、アダルト認証ページで「はい」を選択した状態になります。
※セーフサーチを「OFF」から「ON」に戻すと、次ページの表示もしくはページ更新後に認証が入ります。

【HB】丸善日本橋店×hontoブックツリー ~12人の賢者に学ぶ!~日本橋ビジネススクール(~1/13)

目次

  • 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