mechatronics / robotics
Blog
  • HOME »
  • Blog »
  • 機械学習

機械学習

A*アルゴリズムによる最短経路探索

前回のダイクストラ(Dijkstra)法に続いてA*をやってみました。違いは、探索候補を決めるときにダイクストラ法ではスタート地点からの距離が最小になるものを選んでいたのに対し、A*ではそれに加えてゴール地点からの距離( …

ダイクストラ(Dijkstra)法による最短経路探索

10×10のマス目の土地でスタート地点、ゴール地点、障害物の位置が既知とします。アルゴリズムがスタート地点からゴール地点までの最短経路を探索します。ダイクストラ法はスタート地点からの距離の短さを手掛かりに、割と …

スタンフォードの機械学習講座 第11週 Photo OCR

第11週は写真の中から文字を見つけて解読する手法(Photo OCR)についてです。最後なのでもうあまり深く突っ込まず概要をさらっと流す感じでした。パイプラインという考え方で、 ・画像の中から文字が書かれているエリアを探 …

スタンフォードの機械学習講座 第10週 大量データの扱い・オンライン学習など

・大量データの扱い データの分量が100万、億の単位(いわゆるビッグデータ)になった時の勾配降下法のやり方についてです。確率的勾配降下法と呼ばれ、パラメータの更新をするときにすべてのデータを使わずにひとつのデータのみを使 …

スタンフォードの機械学習講座 第9週 異常検知・レコメンドシステム

第9週は異常検知とレコメンドシステムです。 異常検知はわかりやすいです。データのばらつきを見て全体からはずれているものを異常とみなすというものです。定性的には2次元データの分布図をみて目視で検出すればよいわけですが、機械 …

スタンフォードの機械学習講座 第8週 教師なし学習・主成分分析

第8週は教師なし学習と主成分分析です。今まではすべて教師あり学習だったということですね。 教師なし学習ではK-MEANS法という手法を取り上げています。 答えが決まっていないデータ群をうまいこと分類してくれるのですが、そ …

スタンフォードの機械学習講座 第7週 サポートベクターマシン

第7週はサポートベクターマシンです。名前は聞いたことがありました。 今までと同様に散らばったデータ群に境界線を引いてうまく分類するための手法です。特徴は境界線と近傍データとの距離を最大化するように線をひく、というものです …

スタンフォードの機械学習講座 第6週 機械学習の運用

第6週は実際に機械学習を活用するに当たっての注意点や効率化の方法などについての話でした。とにかくやり方を間違えると半年や1年はすぐに経ってしまう、データの数量を集めることに時間を浪費しないように、ということが強調されてい …

スタンフォードの機械学習講座 第5週 ニューラルネットワーク

前回の課題ではニューラルネットのパラメータΘが予め与えられていました。今回はバックプロパゲーションという手法を使ってこれを求める課題です。コスト関数はニューラルネットのすべてのノードについて足していきます。 logが出て …

スタンフォードの機械学習講座 第3週 ロジスティック回帰

第3週は、教師有り学習のなかのロジスティック回帰、腫瘍が良性か悪性かとか試験に受かりそうか落ちそうかとか2値の答えを予測するような問題です。 線形回帰のときは既存のデータにあてはめる仮説の関数を、  hθ(x) = θ0 …

Page 1 / 212
PAGETOP
Copyright © Meuse Robotics All Rights Reserved.
Powered by WordPress & BizVektor Theme by Vektor,Inc. technology.