機械学習超入門III 〜機械学習の基礎、パーセプトロンを30分で作って学ぶ〜 - EchizenBlog-Zwei
機械学習には大きく分けて「識別関数」「識別モデル」「生成モデル」の3つの種類がある。このなかで識別関数は確率を使わないので初心者が入門するのに最適。 識別関数で有名なのはSVM(Support Vector Machine、サポートベクターマシン)。名前を聞いたことがある人も多いと思う。そこで早速SVMを学ぼうとすると敷居が高くて挫折しがち。 実はSVMは(大雑把に言うと)パーセプトロンという基礎的な識別関数に「マージン最大化」と「カーネル関数」という考え方を導入したもの。なので機械学習入門者は最初にパーセプトロンを学ぶのが良いと思われる。 そこで早速パーセプトロンを作ってみよう！というのが本記事の意図するところ。自分で実装できるとモチベーションが維持しやすいので、詳しく理論を学ぶ前にまずは作ってみようという考え。ちなみに実装にはperlを用いた。 参考: これからはじめる人のための機械学
自己組織化マップ
SOMはニューラルネットワークの一種で 与えられた入力情報の類似度をマップ上での距離で表現するモデルです． 技術が発達した現代では複雑な情報が数多く存在します． しかしそのような高次元データを人間が瞬時に理解することは困難です． SOMは高次元データの中に存在する傾向や相関関係の発見などに応用することができ 人間が高次元データを視覚的に理解する手助けを行ってくれます． SOMの特徴を一言であげるとすれば 様々な高次元データを予備知識なし（教師なし）にクラスタリングできる点にあります． またこれが自己組織化といわれる所以です． SOMは主にデータマイニングの１手法として応用され， データの分類，視覚化，要約などを得意としています． 現在ではプロセス解析，制御，検索システム，さらには経営のための情報分析など 実社会において重要な分野へ応用されています． SOMは規則的
ニューラルネット - 機械学習の「朱鷺の杜Wiki」
ニューラルネット (neural network)† ニューロンのモデルを入力の線形和を非線形変換したものとするのが基本である． 統計的な観点から見ると，これは一般化線形モデルということになる． また，関数近似的な観点からは，峰型のリッジ関数のモデル化である． ニューラルネットはこれらを互いに結合したものであり，フィードバックがあるかないかで扱いがかなり異なる． フィードバックがない場合は多層パーセプトロンといい，原理的には何層も重ねることが出来るが，中間の層が一つだけの三層ニューラルネットを用いることが多い（三層で任意の関数が近似可能であることが示されている）． 多層パーセプトロンの代表的な学習法にバックプロパゲーションがある． 三層パーセプトロンでは入力から中間素子への変換が基底関数，中間素子から出力への変換がその基底関数の線形和とみなすことができる． 通常の基底関数展開は基底関数が固
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
PyBrainでニューラルネットワーク - パーセプトロン - F13
サービス終了のお知らせ
サービス終了のお知らせ
IBM Developer
