- はじめに
- ベルマン期待方程式
- ベルマン最適方程式の復習
- ベルマン期待方程式
- 環境というシステムを探る
- 知識の活用と蓄積
- 冒険の結果から学びを得る
- モデルベースとモデルフリー
- 最後に
標本数が多い場合の標本平均はガウス分布になる誤解の多い話
- はじめに
- 中心極限定理
- 標本数
- なぜに標本数を必要とするか
- 標本平均
- 標本平均の分布の極限
- 中心極限定理の誤用
- データで見る標本平均の分布
- ある標本の分布(データの分布)
- とある標本の代表値:標本平均
- 1000人の研究者に協力してもらう
- 本当の中心極限定理
- 補足
- 最後に
TensorFlow 2.0 の速度メモ 【vs PyTorch】
- はじめに
- TensorFlow 2.0
- データ
- モジュール名
- データセット
- モデル作成
- モデルのインスタンス化と訓練準備
- 訓練関数
- 訓練
- PyTorch
- import
- データ準備
- モデル作成
- モデルのインスタンス化と訓練準備
- 学習コード
逆運動学とヤコビ法、特異点
- はじめに
- 順運動と逆運動
- 順運動と逆運動の一般的な表記
- 逆運動の解法
- 解析的手法
- 局所線形近似法
- ヤコビ法と特異点
- 最後に
【訓練誤差と汎化誤差】学習・統計的推定は正しいのか?【過学習】
- はじめに
- 学習の目的と試み
- 真の目的に対する我々の現実
- データのサンプリング(採取)
- 真の目的と推定・学習の関係
- 具体的な学習の試み
- 正則化による統計モデルの制限
- ハイパーパラメータの調整
- 最終評価
- (補足)ベイズ推論
- 理論的な学習の評価
- これまでの話との関連
- 汎化誤差の近似
- 最後に
GPyTorchでガウス過程を見てみよう
- はじめに
- ガウス過程(GP)
- GPyTorchを使ったモデリング
- コード概要
- 学習コード
- データとモデルの準備
- 学習と結果
- ハイパーパラメータの振る舞い
- lengthscale
- outputscale
- 最後に
強化学習に出てくるベルマン方程式を理解しよう
- はじめに
- ベルマン方程式の概要
- 最適制御と評価関数
- 最適制御
- 評価関数
- 価値関数
- ベルマンの最適性原理
- ベルマン方程式
- 価値関数の離散化
- 状態の時間発展再訪
- ベルマン方程式
- まとめ
- 最後に
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
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
【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
- ラプラス分布とガウス分布
カルマンフィルタの雰囲気を
- はじめに
- カルマンフィルタの概要
- カルマンフィルタを使うようなケース
- カルマンフィルタがやっていること
- カルマンフィルタの流れ
強化学習の基本:マルコフ決定過程ってなんぞ?
- はじめに
- 環境とエージェント
- 環境
- マルコフ過程
- 本当のマルコフ過程
- マルコフ決定過程
- 本当のマルコフ決定過程
- 強化学習の話をちょっとだけ
- 最後に
- 環境
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