蔵書情報
この資料の蔵書に関する統計情報です。現在の所蔵数 在庫数 予約数などを確認できます。
書誌情報サマリ
| 書名 |
統計的機械学習
|
| 著者名 |
杉山 将／著
|
| 著者名ヨミ |
スギヤマ マサシ |
| 出版者 |
オーム社
|
| 出版年月 |
2009.9 |
この資料に対する操作
電子書籍を読むを押すと 電子図書館に移動しこの資料の電子書籍を読むことができます。
資料情報
各蔵書資料に関する詳細情報です。
| No. |
所蔵館 |
配架場所 |
請求記号 |
資料番号 |
資料種別 |
状態 |
個人貸出 |
在庫
|
| 1 |
中央図書館 | 書庫別Ｄ | 00713/35/ | 0106162303 | 一般 | 在庫 | 可 |
○ |
書誌詳細
この資料の書誌詳細情報です。
| タイトルコード |
1000002014956 |
| 書誌種別 |
図書 |
| 書名 |
統計的機械学習 |
| 書名ヨミ |
トウケイテキ キカイ ガクシュウ |
|
生成モデルに基づくパターン認識 |
| 叢書名 |
Tokyo Tech Be‐TEXT
|
| 言語区分 |
日本語 |
| 著者名 |
杉山 将／著
|
| 著者名ヨミ |
スギヤマ マサシ |
| 出版地 |
東京 |
| 出版者 |
オーム社
|
| 出版年月 |
2009.9 |
| 本体価格 |
￥２８００ |
| ISBN |
978-4-274-50248-4 |
| ISBN |
4-274-50248-4 |
| 数量 |
198p |
| 大きさ |
21cm |
| 分類記号 |
007.13
|
| 件名 |
パターン認識
機械学習
|
| 注記 |
文献:p191～194 |
| 内容紹介 |
パターン認識の基礎、識別関数の良さを測る規準、最尤推定法、ベイズ推定の数値計算法、カーネル密度推定法など、生成モデルに基づくパターン認識に特化して説明した、統計的機械学習の基礎入門書。 |
| 著者紹介 |
東京工業大学大学院情報理工学研究科計算工学専攻博士課程修了。博士(工学)取得。同大学大学院同研究科計算工学専攻准教授。 |
内容細目
| No. |
内容タイトル |
内容著者１ |
内容著者２ |
内容著者３ |
内容著者４ |
| 1 |
第1章 パターン認識の基礎 |
|
|
|
|
| 2 |
1.1 パターン認識とは |
|
|
|
|
| 3 |
1.2 決定論的パターン認識と統計的パターン認識 |
|
|
|
|
| 4 |
1.3 統計的パターン認識の定式化 |
|
|
|
|
| 5 |
第2章 準備 |
|
|
|
|
| 6 |
2.1 確率・統計の基礎 |
|
|
|
|
| 7 |
2.2 Octaveの使い方 |
|
|
|
|
| 8 |
第3章 識別関数の良さを測る規準 |
|
|
|
|
| 9 |
3.1 訓練標本を用いた識別関数の学習 |
|
|
|
|
| 10 |
3.2 最大事後確率則 |
|
|
|
|
| 11 |
3.3 最小誤識別率則 |
|
|
|
|
| 12 |
3.4 ベイズ決定則 |
|
|
|
|
| 13 |
3.5 生成モデルに基づくパターン認識 |
|
|
|
|
| 14 |
第4章 最尤推定法 |
|
|
|
|
| 15 |
4.1 最尤推定法の定義 |
|
|
|
|
| 16 |
4.2 ガウスモデル |
|
|
|
|
| 17 |
4.3 カテゴリの事後確率の計算 |
|
|
|
|
| 18 |
4.4 線形判別分析 |
|
|
|
|
| 19 |
第5章 最尤推定法の理論的性質 |
|
|
|
|
| 20 |
5.1 準備 |
|
|
|
|
| 21 |
5.2 一致性 |
|
|
|
|
| 22 |
5.3 漸近不偏性 |
|
|
|
|
| 23 |
5.4 漸近有効性 |
|
|
|
|
| 24 |
5.5 漸近正規性 |
|
|
|
|
| 25 |
第6章 線形判別分析による手書き文字認識 |
|
|
|
|
| 26 |
6.1 手書き数字データの読み込みと表示 |
|
|
|
|
| 27 |
6.2 線形判別分析の実装 |
|
|
|
|
| 28 |
6.3 多カテゴリ文字認識の結果評価 |
|
|
|
|
| 29 |
第7章 最尤推定法におけるモデル選択 |
|
|
|
|
| 30 |
7.1 モデル選択とは |
|
|
|
|
| 31 |
7.2 確率密度関数の近さを測る規準 |
|
|
|
|
| 32 |
7.3 赤池の情報量規準 |
|
|
|
|
| 33 |
7.4 竹内の情報量規準 |
|
|
|
|
| 34 |
第8章 混合ガウスモデルの最尤推定 |
|
|
|
|
| 35 |
8.1 ガウス混合モデル |
|
|
|
|
| 36 |
8.2 勾配法 |
|
|
|
|
| 37 |
8.3 EMアルゴリズム |
|
|
|
|
| 38 |
第9章 ベイズ推定法 |
|
|
|
|
| 39 |
9.1 ベイズ推定法の定義 |
|
|
|
|
| 40 |
9.2 ベイズ推定法と最尤推定法の違い |
|
|
|
|
| 41 |
9.3 最大事後確率推定法 |
|
|
|
|
| 42 |
9.4 共役事前分布 |
|
|
|
|
| 43 |
第10章 ベイズ推定の数値計算法 |
|
|
|
|
| 44 |
10.1 モンテカルロ積分 |
|
|
|
|
| 45 |
10.2 重点サンプリング法 |
|
|
|
|
| 46 |
10.3 計算機による擬似乱数の発生法 |
|
|
|
|
| 47 |
第11章 ベイズ推定法におけるモデル選択 |
|
|
|
|
| 48 |
11.1 事前確率の設定とモデル選択 |
|
|
|
|
| 49 |
11.2 周辺尤度のラプラス近似 |
|
|
|
|
| 50 |
11.3 ベイズ情報量規準 |
|
|
|
|
| 51 |
11.4 変分ベイズ法 |
|
|
|
|
| 52 |
第12章 カーネル密度推定法 |
|
|
|
|
| 53 |
12.1 ヒストグラム法 |
|
|
|
|
| 54 |
12.2 ノンパラメトリック法の枠組み |
|
|
|
|
| 55 |
12.3 パーゼン窓法とカーネル密度推定法 |
|
|
|
|
| 56 |
12.4 尤度交差確認法 |
|
|
|
|
| 57 |
第13章 最近傍密度推定法 |
|
|
|
|
| 58 |
13.1 最近傍密度推定法 |
|
|
|
|
| 59 |
13.2 最近傍識別器 |
|
|
|
|
| 60 |
13.3 k‐最近傍識別器 |
|
|
|
|
関連資料
この資料に関連する資料を 同じ著者 出版年 分類 件名 受賞などの切り口でご紹介します。
未来社会と「意味」の境界 ： 記号…
谷口 忠大／編著…
人工知能とどうつきあうか ： 哲学…
鈴木 貴之／編著
大規模言語モデルは新たな知能か ：…
岡野原 大輔／著
AIの政治哲学
M.クーケルバー…
AI白書2023
AI白書編集委員…
ここまできた!人工知能の最前線 ：…
I O編集部／編…
ディープラーニング実践ガイド ： …
Anirudh …
Pythonで学ぶ画像認識
田村 雅人／著,…
評価指標入門 ： データサイエンス…
高柳 慎一／著,…
拡散モデル ： データ生成技術の数…
岡野原 大輔／著
JAX/Flaxで学ぶディープラー…
中井 悦司／著
最適輸送の理論とアルゴリズム
佐藤 竜馬／著
基礎からのニューラルネット ： 人…
申 吉浩／監修,…
機械学習の可能性
浮田 浩行／編著…
Python機械学習プログラミング
Sebastia…
機械学習 ： ベイズと最適化の観点…
Sergios …
はじめてのパタ…ディープラーニング編
平井 有三／著
AIと白人至上主義 ： 人工知能を…
ヤーデン・カッツ…
強化学習
Richard …
機械学習
周 志華／著,大…
音声対話システム ： 基礎から実装…
井上 昻治／共著…
Federated Learnin…
Qiang Ya…
私たちはAIを信頼できるか
大澤 真幸／著,…
AIと社会・経済・ビジネスのデザイ…
村上 憲郎／編,…
データアナリティクスのための機械学…
J.D.ケラハー…
AI技術の最前線 ： これからのA…
岡野原 大輔／著
ゲームから学ぶAI ： 環境シミュ…
西田 圭介／著
AI新世 ： 人工知能と人類の行方
小林 亮太／著,…
AIと人間のジレンマ ： ヒトと社…
中尾 悠里／著
機械学習工学
石川 冬樹／編著…
ロボットに心は生まれるか ： 自己…
谷 淳／著,山形…
グラフニューラルネットワーク ： …
村田 剛志／著
AI・ロボットと共存の倫理
西垣 通／編,河…
AI・データ倫理の教科書
福岡 真之介／著
AI白書2022
AI白書編集委員…
AIはどのように社会を変えるか ：…
佐藤 嘉倫／編,…
AI技術史 ： 考える機械への道と…
Michael …
ALIFE|人工生命 ： より生命…
岡 瑞起／著
AI研究者と俳人 ： 人はなぜ俳句…
川村 秀憲／著,…
スモールデータ解析と機械学習
藤原 幸一／著
前へ
次へ
前のページへ
