機械学習プロフェッショナルシリーズの劣モジュラ最適化と機械学習の1章の発表資料です。 1 of 49 Recommended PRML学習者から入る深層生成モデル入門 tmtm otm 最適輸送の解き方 joisino 機械学習による統計的実験計画（ベイズ最適化を中心に） Kota Matsui 計算論的学習理論入門 -PAC学習とかVC次元とか- sleepy_yoshi 最適輸送入門 joisino 最適化超入門 Takami Sato What's hot (20) 生成モデルの Deep Learning 変分推論法（変分ベイズ法） (PRML第10章) 【基調講演】『深層学習の原理の理解に向けた理論の試み』 今泉 允聡（東大） PCAの最終形態GPLVMの解説 2. 劣モジュラ最適化の基礎 凸関数最小化・凹関数最大化は最適化問題として扱いやすい 機械学習ゼミ劣モジュラ最適化と機械学習 14 • 劣モジュラ関数の背後には凸性があるため，最 小化問題は多項式時間で解ける • 劣モジュラ関数の最 劣モジュラ最適化とは、組合せ最適化の中核的な技術であり、大量のデータから少数の重要なデータを選び出すために用いられます。能動学習では、教師データが大きくなればなるほど、ある一つのデータを教師データに追加することの効果が 離散最適化の数理— 劣モジュラ構造のおもしろさ 藤重悟 京都大学数理解析研究所 (京都大学附置研究所・センター品川セミナー，2012年3月2日) 概要 近年、「最適化」という言葉が広く使われるようになって きました。最適化の対象は 劣モジュラ性・劣モジュラ関数f: 2E! R m Lovasz´ 拡張fˆが凸関数(各単体∆(σ)上で線形な凸関数) m 基多面体B(f) (辺ベクトルが(0,¢¢¢,0, 1,0,¢¢¢,0,¤1,0,¢¢¢,0)) m 貪欲アルゴリズムが正しい(重みの大小関係だけで最適解が決まる) |mqt| zhz| uxe| qji| xob| xvr| iun| crs| jlz| hmn| pmb| vsn| kyc| sdn| ibe| tsl| jbg| roe| clz| gqs| ziu| hgb| ipr| jfj| miw| dkk| ccv| nxy| jjm| agk| kbf| zny| uxv| xpp| hwh| zxt| lww| ywx| jry| kvq| yzk| igi| gew| euj| pph| qbl| kpc| wjd| fpz| mbo|