HELLO CYBERNETICS

深層学習、機械学習、強化学習、信号処理、制御工学、量子計算などをテーマに扱っていきます

MLPシリーズ ベイズ深層学習

  • はじめに
  • 概要
    • 深層学習に対して不確実性を導入する
    • 深層学習をベイズ推論で理解する
    • ベイズ推論にニューラルネットワークを導入する
  • 中身
    • 1.はじめに
    • 2.ニューラルネットワークの基礎
    • 3.ベイズ推論の基礎
    • 4.近似ベイズ推論
    • 5.ニューラルネットワークのベイズ推論
    • 6.深層生成モデル
    • 7.深層学習とガウス過程
  • 読み方
続きを読む

PyTorch1.X系のテンソル操作と微分操作の基本+ニューラルネットワークの基本

  • はじめに
  • Tensorの生成
    • Tensorのメモリ確保
    • すべての要素が $0$ のTensor
    • すべての要素が $1$ のtensor
    • 各要素が $[0, 1]$ の一様分布から生成されるtensor
    • 各要素が 平均 $0$ 標準偏差 $1$ の正規分布から生成されるtensor
    • Pythonやnumpyの型からtorch.Tensorの型に変換する
    • 既存のTensorの形を引用して新しいTensorを作る
  • Tensorの計算
    • 加減乗除
  • tensorの形
    • 形の確認
    • 形の変更
  • Tensorの微分
    • 微分する宣言
    • 連鎖規則
    • ニューラルネットワーク
  • 最後に
続きを読む

【ロバスト回帰】最小二乗法と最小絶対値法

  • ロバスト回帰
  • 単回帰
    • 最小二乗法
    • 最小絶対値法
    • MSEとMAEの比較
      • ライブラリをインポート
      • 扱うデータの可視化
      • モデル構築
      • 学習
      • 結果の可視化
    • 最小絶対値法なんてしていいの?
  • 確率モデル
    • ラプラス分布とガウス分布
      • 最尤推定でやってみる
続きを読む

ディープラーニングは自動で特徴を抽出してくれる?

  • はじめに
  • 特徴抽出とは
  • ニューラルネットワークによる特徴抽出
  • 深層学習は特徴抽出を自動で行うのか
    • 補足:本当に自動機械学習に向けて
続きを読む

【書籍紹介】ガウス過程と機械学習

  • はじめに
  • 目次とコメント
    • 0章 たった5分でガウス過程が分かってしまう
    • 1章 線形回帰モデル
    • 2章 ガウス分布
    • 3章 ガウス過程
    • 4章 確率的生成モデルとガウス過程
    • 5章 ガウス過程の計算法
    • 6章 ガウス過程の適用
    • 7章 ガウス過程による教師なし学習
  • ガウス過程のライブラリ
    • GPy
    • GPyTorch
    • GPflow
続きを読む