内容説明
文字や顔，音声や指紋など，様々なパターンを認識する技術が実用化されつつある．その成功の背景には，確率分布モデルに基づいた多種多様な統計的手法が大きな役割を果たしてきた．具体的な問題と絡めながら代表的な統計的手法と学習理論を紹介した後，近年注目されているカーネル法，バギング，ブースティングについて丁寧に解説する．※この電子書籍は「固定レイアウト型」で作成されており，タブレットなど大きなディスプレイを備えた端末で読むことに適しています．また，文字だけを拡大すること，文字列のハイライト，検索，辞書の参照，引用などの機能は使用できません．
目次
第１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２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３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
感想・レビュー
※以下の感想・レビューは、株式会社ブックウォーカーの提供する「読書メーター」によるものです。
オザマチ
無限猿
