Thoth Children | 知識と質問が集まる技術学術情報集積所

Thoth Children!!|

Subject

Purpose

新規Thoth投稿

非線形SVMはカーネルトリックを用いて非線形なデータに対してもSVMを適用できるようにした機械学習手法. ある条件を満たすカーネルを選択する必要がある.

線形SVMは線形なモデルを学習して識別を行うSVM(Support Vector Machine). 線形分離可能なデータに対して有効.

SVM(Support Vector Machine)は、分類等を行える教師あり学習によるパターンモデル. よくある訓練データを見分けて終わりという学習ではなく、なるべく訓練データを明確に分けられるように工夫することで、未知のデータにも対応している.

Random Forestは複数の決定木を集めて答えを出す機械学習手法の一つ.一つ一つの決定機の性能は高くなくとも全体で正しい答えを出す方式.

パーセプトロン

パーセプトロンは数値列を入力として1または0を出力する機械学習手法の一つ.ニューラルネットの基礎技術.

ニューラルネットワークとは

ニューラルネットワークは1960年代から研究されている人間の脳のニューロンをモデルにして作られた機械学習手法の一つ. 近年のDeepLearningのベースとなっている技術でDeepLearningはニューラルネットワークを大きく高性能にしたもの.

U-netはConvolutional AutoEncoderの構造に似ておりEncoderの途中の層からDecoderへショートカットをもたせた構造になっている.領域分割などにおいて威力を発揮をしている.

Convolutional Neural Network

CNNとは,Convolution層を主要な層として繋げている画像処理に向いているニューラルネット.少し前まではPooling層も合わせることが多かったがPoolingで行っていたこともConvolutionで行わせることも増えてきた.BatchNormalization層を挿入することも多い.

Sparse AutoEncoder

中間層の値ができるかぎり0になる(スパース)ようにAutoEncoderの損失関数にペナルティを加えたネットワーク

Convolutional AutoEncoder

画像処理に向いているConvolution層を使ったAutoEncoder.デコーダではUnpooling層やDeconvolution層を使う.

Denoising AutoEncoder

Denoising AutoEncoderは通常のAutoEncoderでは入力と出力を同じにして学習させるのに対して、わざと入力にノイズを載せそこから元の入力を出力するように学習させる技術です。

DeepAutoEncoder

DeepAutoEncoderはAutoEncoderの層を深くしたネットワーク.AutoEncoderと同様な形で学習をさせるのは難しく、Stacked AutoEncoderで見られるような訓練で学習をさせることができる.

AutoEncoderとは

AutoEncoderとはニューラルネットで入力と出力を等しいものにして、ネットワークの前半と後半で対称的にした構造を持つネットワーク。特徴抽出器として使われる。

比較的新しく提案された画像変換を行うGAN. あるテーマの画像から別のテーマの画像に変換します.(下記は概要です.詳しくは論文を参照してください)

GANに様々な工夫を入れて学習の安定性や精度を向上させた技術.Convolution層系列のみを使用しているのが特徴.

近年注目されている画像等を生成するニューラルネットワークを用いた学習手法.二つのニューラルネットワークを使って片方の識別能力をあげる点が特徴.既にGANの改良系が数十種類提案されている.

Deconvolution層

厳密な数学の定義とはDeconvolutionの意味は違っており、transposed deconvolutional layerと呼ぶ方がよいとされる。

Convolutional AutoEncoder(CAE)などで用いられるMaxPoolingの反対の動き(画素を拡大する)をする層

入力される値全てを足したものを出力するニューラルネットワークの層の一つ. AveragePooling層とほぼ同一の役割

AveratePooling層

元となる入力の平均を求めるニューラルネットワークの層の種類の一つ.他にMaxPoolingなどがあり、情報の圧縮が大きな役割.

Pop技術

K

点が三角形の内側か判定したい
S

ロボットの力制御の種類
K

同次変換行列
S

GAN
K

インピーダンス制御
S

重力補償機構
K

ベクトルを特定の平面に射影したい
S

点群から検出したい
K

ベクトルを別のベクトルに射影したい
S

気体の可視化手法
K

行列を分解して上下三角行列が欲しい
S

ロボットエンドエフェクタの位置制御
K

アドミッタンス制御
S

オプティカルフロー
K

点が直線上の右か左にあるか判定したい
S

点群を間引きたい
K

ヤコビ行列による逆運動学
S

ニューラルネットワーク
K

時系列間の類似度計算を選ぶ
S

逆運動学
K

パーティクルフィルタ
S

ニューラルネット学習の工夫
K

シャドウグラフによる可視化
S

点群をデータ構造で持つ
K

ピンホールとレンズの違いを知りたい
S

RELU系活性化関数
K

多変数関数の極大極小を判定したい
S

点群から特徴量を出したい
K

シンプルに逆行列を求めたい
S

Convolution
K

力制御
S

ベクトル間の類似度が欲しい
K

平面と平面のなす角度
S

活性化関数基本
K

確率分布間の差異で類似度を求めたい
S

二値化フィルタ
K

グラッドストーン・デールの式
S

Pooling
K

点群データから法線算出をしたい
S

極大極小鞍点か判定したい
K

シュリーレン法
S

シートベルトの仕組みを知りたい
K

勾配に注目したオプティカルフロー
S

Sigmoid系活性化関数
K

CTC損失関数
S

DeepLearningとは
K

Lucas Kanade法
S

時系列間の類似度が欲しい
K

点群から最近傍点を検出したい
S

Adam系最適化関数
K

点群を平面に近似したい
S

いろいろな距離が欲しい
K

オプティカルフローとは
S

点群処理を実装したい
K

点群の形状的局所特徴量を出したい
S

点群から法線を出したい
K

グレンジャー因果検定
S

特殊な層
K

文字列を簡単な置換による暗号化したい
S

ロボットのリンクの数学的基礎

人気分野/目的