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

確率モデリングと事後分布、事前分布、超パラメータ

  • はじめに
  • 例題:正規分布に従っているように見えるデータ $X$ の推論
    • モデリング再考
    • 事後分布を書き下す
    • 事前分布と超パラメータ
    • グラフィカルモデルの標準的な表記
  • 例題:時系列モデル
    • 時系列データのグラフィカルモデル
  • 最後に
続きを読む

確率モデリングのための確率分布の式変形基本【ベイズの定理/グラフィカルモデル】

  • はじめに
  • 確率モデリング
    • 確率変数間の関係性記述
    • ベイズの定理と条件付き分布
    • 関係性の記述と事後分布の導出
    • いろいろなパターンの練習
      • パターン1
      • パターン2
  • 同時分布とグラフィカルモデル
    • 基本事項
      • すべて互いに関連
      • すべて互いに独立
      • 有向グラフ化
      • 関連を断ち切ることによるモデリング
  • 最後に
続きを読む

Optimal control to reinforcement learning

  • introduction
  • Optimal control
    • What is control problem?
    • optimal control
    • system equation
  • solve the optimal control problem
    • value function
    • belman principle of optimality
  • Belman equation for reinforcement learning
    • Prepare for belman equation
    • system equation for random variables
    • simple belman equation to actual belman equation
続きを読む

Jaxでガウス過程 + NumPyroでハイパーパラメータ推論

  • モジュール
  • データ
  • ガウス過程
    • カーネル関数
    • 予測
    • 決め打ちハイパーパラメータでの予測
  • MCMC でのハイパーパラメータ推論
    • モデル
    • 事前分布からのサンプリング
    • 事後分布の推論
    • 予測分布
  • ガウス過程関連の記事
続きを読む