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