統計科学のフロンティア<6> パターン認識と学習の統計学
麻生 英樹, 津田 宏治, 村田 昇 著
内容
目次
第Ⅰ部パターン認識と学習 麻生英樹 1 パターン認識と統計科学 1.1 パターン情報処理 1.2 パターン認識システム 1.3 統計的パターン認識 2 いろいろなパターン識別手法 2.1 テンプレートマッチング法 2.2 k‐最近傍識別法 2.3 部分空間法 2.4 識別関数の最適化による方法 2.5 決定木による方法 2.6 ニューラルネットワークによる方法 2.7 識別関数の評価 3 統計的意思決定としてのパターン識別 3.1 パターン生成過程のモデル 3.2 損失関数 3.3 事後確率最大化識別 3.4 多次元正規分布による推定 3.5 判別分析 3.6 ノンパラメトリックなクラス分布の推定 3.7 確率分布モデルとしての決定木やニューラルネットワーク 3.8 グラフィカルモデルとナイーブベイズ識別 3.9 パターン認識と統計的モデル選択 4 クラスタリングとベクトル量子化 4.1 ボトムアップとトップダウンのクラスタリング法 4.2 K‐平均法 4.3 競合学習による方法 4.4 混合分布による方法 4.5 クラスタリング結果の評価 5 時系列パターン情報の認識 5.1 時系列パターン情報のモデル 5.2 音声認識 6 学習と統計科学 6.1 機械学習 6.2 統計的学習理論 6.3 経験損失と期待損失 6.4 経験損失最小化 6.5 構造的損失最小化 6.6 真の分布とヒューリスティクス 6.7 強化学習の理論 文献案内 第Ⅱ部カーネル法の理論と実際 津田宏治 1 カーネル法とは 2 カーネル関数と学習問題 2.1 Mercerカーネル 2.2 学習の定式化 2.3 カーネルトリック 3 教師つき学習のためのカーネル法 3.1 サポートベクターマシン 3.2 線形計画識別器 3.3 カーネル判別分析 3.4 ベイズポイントマシン 3.5 スパースカーネル回帰分析 4 教師なし学習のカーネル法 4.1 カーネル主成分分析 4.2 1クラスSVM 5 事前知識を反映したカーネル 5.1 不変性をもつカーネルの設計 5.2 DNA配列における実例 参考文献 第Ⅲ部推定量を組み合わせる 村田昇 1 何が問題か 2 組み合わせの方法 2.1 弱仮説と多数決 2.2 構造とアルゴリズムによる分類 2.3 ベンチマークによる比較 3 モデルの拡大 3.1 大域的な拡大 3.2 局所的な拡大 4 バギング 4.1 ブートストラップ法 4.2 バギング 5 ブースティング 5.1 フィルタによるブースティング 5.2 AdaBoost 5.3 AdaBoostの損失関数 5.4 訓練誤差の性質 5.5 汎化誤差の性質 5.6 ブースティングの幾何学的構造 関連図書
カート
カートに商品は入っていません。