最終更新日: 2017-02-18
本棚の整理用ページ
カテゴリ欄の文章は適当です
達成度:
カテゴリ | 本 | |
---|---|---|
数学 |
数学 | |
応用数学 | ||
統計モデル データがもつ特徴を表現するのに便利なモデルのいろいろ |
||
機械学習 特定の目的のためデータから有用な情報を引き出して利用する手法のいろいろ
|
一般 | |
教師なし学習 | ||
強化学習 | ||
深層学習 | ||
その他 | ||
数値計算 | モンテカルロ法 |
数理論理学
数理論理学 戸次 大介 東京大学出版会 2012-03 売り上げランキング : 498190 Amazonで詳しく見る by G-Tools |
- ノート1:(第2章)数理論理学の目的「この証明は妥当か」の確認と、それをどうやって示すのかの方針。
- ノート2:(第3章)一階命題論理という体系では、原子命題の真偽の組合せのパターン(解釈)を考える。
- ノート3:(第5章前半)一階述語論理という体系では、原子命題を項と述語に分解し、量化を導入する。
- ノート4:(第5章後半)一階述語論理の解釈は、構造(記号から存在物への対応)と割り当てに依存する。
確率論 (岩波基礎数学選書)
Skype数学勉強会 確率論セミナー に参加させていただいています
確率論 (岩波基礎数学選書) 伊藤 清 岩波書店 1991-05-30 売り上げランキング : 178669 Amazonで詳しく見る by G-Tools |
- メモ1 | メモ2 | メモ3(進め方の議論) | メモ4 | メモ5 | メモ6 | メモ7 | メモ8
- 確率論セミナー(9, 10): 参加メモ, 不参加メモ - クッキーの日記
- 確率論セミナー(11): 予習メモ - クッキーの日記
はじめての確率論 測度から確率へ
Skype数学勉強会 確率論セミナー に参加させていただいています
はじめての確率論 測度から確率へ 佐藤 坦 共立出版 1994-02-25 売り上げランキング : 246604 Amazonで詳しく見る by G-Tools |
- 2016年5月5日のメモ: 距離空間とは
- 2016年5月12日のメモ: 距離空間の収束列、コーシー列、完備
- 2016年5月26日、6月2日のメモ: 距離空間の開部分集合、閉部分集合、コンパクト部分集合
- 2016年6月23日のメモ: 確率から測度へ -集合体とは
- 2016年6月30日の予習: 「開集合全体」と別の部分集合族から生成される -集合体がボレル集合体になる例
- 2016年7月7日の予習: 関数族から生成される -集合体 直積 -集合体
情報幾何学の基礎 (数理情報科学シリーズ)
情報幾何学の基礎 (数理情報科学シリーズ) 藤原 彰夫 牧野書店 2015-08 売り上げランキング : 42188 Amazonで詳しく見る by G-Tools |
Probabilistic Graphical Models: Principles and Techniques
Probabilistic Graphical Models: Principles and Techniques (Adaptive Computation and Machine Learning series) Daphne Koller Nir Friedman The MIT Press 2009-07-31 売り上げランキング : 1404 Amazonで詳しく見る by G-Tools |
経済・ファイナンスデータの計量時系列分析
経済・ファイナンスデータの計量時系列分析 (統計ライブラリー) 沖本 竜義 朝倉書店 2010-02-01 売り上げランキング : 46198 Amazonで詳しく見る by G-Tools |
- R garch をつかってみるだけ - クッキーの日記(7章 GARCHモデル)
Rによるベイジアン動的線型モデル
Rによるベイジアン動的線形モデル (統計ライブラリー) G.ペトリス S.ペトローネ P.カンパニョーリ 和合 肇 朝倉書店 2013-05-08 売り上げランキング : 175369 Amazonで詳しく見る by G-Tools |
- 第1章: ノート1 | ノート2 | ノート3 | ノート4
- 第2章: ノート5 | ノート6 | ノート7 | ノート8 | ノート9
- 第3章: ノート10 | ノート11 | ノート12 | ノート13
Machine Learning: A Probabilistic Perspective (Adaptive Computation and Machine Learning series)
Machine Learning: A Probabilistic Perspective (Adaptive Computation and Machine Learning series) Kevin P. Murphy The MIT Press 2012-08-24 売り上げランキング : 1840 Amazonで詳しく見る by G-Tools |
- ノート1: 機械学習には大きくこんなタイプがあるという紹介と、そのうち「教師あり学習」のイントロ
- ノート2: 「教師なし学習」のイントロ、機械学習にまつわる基本概念の紹介
- ノート3: 機械学習において重要な役割を果たす「確率」とはそもそも何かと、確率論の基礎知識
- ノート4: 「確率」のつづきで、この本の中心話題になっていく多変量確率分布について
パターン認識と機械学習 上 (ベイズ理論による統計的予測)
パターン認識と機械学習 上 (ベイズ理論による統計的予測) C.M. ビショップ 元田 浩 丸善出版 2012-04-05 売り上げランキング : 23168 Amazonで詳しく見る by G-Tools |
パターン認識と機械学習 下 (ベイズ理論による統計的予測)
パターン認識と機械学習 下 (ベイズ理論による統計的予測) C.M. ビショップ 元田 浩 丸善出版 2012-02-29 売り上げランキング : 47187 Amazonで詳しく見る by G-Tools |
続・わかりやすいパターン認識
続・わかりやすいパターン認識―教師なし学習入門― 石井 健一郎 上田 修功 オーム社 2014-08-26 売り上げランキング : 56438 Amazonで詳しく見る by G-Tools |
強化学習
強化学習 Richard S.Sutton Andrew G.Barto 三上 貞芳 皆川 雅章 森北出版 2000-12-01 売り上げランキング : 200234 Amazonで詳しく見る by G-Tools |
- ノート1: 強化学習とは=教師ではなく自分の行動の結果に学び、総報酬の最大化を目指す
- ノート2: どの行動がよいか探ること(探査)と、そこまでの知識活用(利用)とのバランスが大事
- ノート3: 強化学習と異なり「正しい行動」が与えられる教師あり学習には、苦手な確率的ケースがある
- 2値バンディットタスクにおける教師あり学習と強化学習: ノート3の補足
- ノート4: 初期値の操作、報酬の基準値の導入、選択確率の更新など、性能が改善できる手法が色々ある
- ノート5: 強化学習問題の枠組みを定義する(ここでのエージェントや環境は必ずしも直感的なものでない)
- ノート6: 「報酬」はエージェントに何をしてほしいかを規定する 未来の報酬には割引率を適用することも
- ノート7: 「状態」は意思決定に役立つ情報であって(近似的に)マルコフ性をもつことが求められる
- ノート8: 強化学習問題は、理論的には Bellman 最適方程式を解けばよい(が、この解法は現実的でない)
- ノート9: 現実的な解法としての動的計画法の方策反復手法では、逐次式で方策の価値関数を評価する
- ノート10: 価値反復手法は方策の更新を伴わない & 方策反復手法の例題
- ノート11: モンテカルロ法による解法は環境のモデルが不要だが、隈なく探索するには工夫が必要
- ノート12: TD学習では現在の方策でエピソードを生成しつつ現在の推定値により価値関数を更新していく
- ノート13: SarsaとQ学習で学習結果が異なる例 & アクター・クリティック & R学習
- SarsaとQ学習の違い: ノート13の補足
- ノート14: TD学習とモンテカルロ法の統合として、nステップTD学習をまず考える
これからの強化学習
これからの強化学習 牧野 貴樹 澁谷 長史 白川 真一 浅田 稔 麻生 英樹 荒井 幸代 飯間 等 伊藤 真 大倉 和博 黒江 康明 杉本 徳和 坪井 祐太 銅谷 賢治 前田 新一 松井 藤五郎 南 泰浩 宮崎 和光 目黒 豊美 森村 哲郎 森本 淳 保田 俊行 吉本 潤一郎 森北出版 2016-10-27 売り上げランキング : 807 Amazonで詳しく見る by G-Tools |
テキスト範囲 | 読書メモ | スライド |
---|---|---|
1.1~1.3節(1~41ページ) | ノート1 | 勉強会#1 |
1.4~1.5節(42~70ページ) | まだ | 勉強会#2 |
2.1節(71~111ページ) | ノート3 | まだ |
ゼロから作るDeep Learning
ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装 斎藤 康毅 オライリージャパン 2016-09-24 売り上げランキング : 58 Amazonで詳しく見る by G-Tools |
深層学習 Deep Learning
深層学習 Deep Learning (監修:人工知能学会) 麻生 英樹 安田 宗樹 前田 新一 岡野原 大輔 岡谷 貴之 久保 陽太郎 ボレガラ ダヌシカ 人工知能学会 近代科学社 2015-11-05 売り上げランキング : 2075 Amazonで詳しく見る by G-Tools |
オンライン機械学習
オンライン機械学習 (機械学習プロフェッショナルシリーズ) 海野 裕也 岡野原 大輔 得居 誠也 徳永 拓之 講談社 2015-04-08 売り上げランキング : 97625 Amazonで詳しく見る by G-Tools |
スパース性に基づく機械学習
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 講談社 2015-12-19 売り上げランキング : 41547 Amazonで詳しく見る by G-Tools |
入門 機械学習による異常検知―Rによる実践ガイド
入門 機械学習による異常検知―Rによる実践ガイド 井手 剛 コロナ社 2015-02-19 売り上げランキング : 9910 Amazonで詳しく見る by G-Tools |
Rによるモンテカルロ法入門
Rによるモンテカルロ法入門 C.P.ロバート G.カセーラ 石田 基広 丸善出版 2012-08-23 売り上げランキング : 513219 Amazonで詳しく見る by G-Tools |
計算統計 2 マルコフ連鎖モンテカルロ法とその周辺 (統計科学のフロンティア 12)
マルコフ連鎖モンテカルロ法とその周辺 読書会 に参加させていただきました
計算統計 2 マルコフ連鎖モンテカルロ法とその周辺 (統計科学のフロンティア 12) 伊庭 幸人 種村 正美 岩波書店 2005-10-27 売り上げランキング : 76330 Amazonで詳しく見る by G-Tools |
- メモ1 | メモ2 | メモ3 | メモ4 | メモ5 | メモ6 | メモ7 | メモ8 | メモ9 | メモ10 | メモ11
- マルコフ連鎖モンテカルロ法とその周辺 読書会(12): 参加メモ - クッキーの日記
基礎からのベイズ統計学: ハミルトニアンモンテカルロ法による実践的入門
基礎からのベイズ統計学 Skype読書会 に参加させていただきました
基礎からのベイズ統計学: ハミルトニアンモンテカルロ法による実践的入門 豊田 秀樹 朝倉書店 2015-06-25 売り上げランキング : 16660 Amazonで詳しく見る by G-Tools |
- メモ1: ベイズ統計学の姿勢
- メモ7: ベイズ的な事後分布の推定
- メモ10: メトロポリスヘイスティングス法
- メモ13: リープフロッグ法 ハミルトニアンモンテカルロ法
- 雑記: ハミルトニアンモンテカルロ法のアニメーション
- メモ14: 正規分布の平均と分散に対するハミルトニアンモンテカルロ法