差分

このページの2つのバージョン間の差分を表示します。

--- 機械学習 [2016/02/18 11:37]
asakawa [ベイズ推論 (Bayesian inferences)]
+++ 機械学習 [2016/12/02 15:01] (現在)
n.arakawa
@@ 行 7: / 行 7: @@
     - [[機械学習:機械学習の歴史]] (History of Machine Learning)
     - [[機械学習:神経伝達物質]] (Neurotransmitters)
-  - [[機械学習:基本的概念]]
+  - 基本的概念
-    - アトラクタ (Attractors)
+    - [[機械学習:アトラクタ]] (Attractors)
-    - 勾配降下法 (Gradient Descent Algorithm)
+    - [[機械学習:勾配降下法]] (Gradient Descent Algorithm)
-    - 教師あり学習、教師なし学習 (Supervised Learning, Unsupervised Learning)
+    - [[機械学習:教師あり学習・教師なし学習]] (Supervised Learning, Unsupervised Learning)
-    - 最急降下法 (Steepest Gradient Descent Methods)
+    - [[機械学習:自己組織化]] Self-Organization
-    - 確率的勾配降下法 (Stochastic Gradient Descent)
+    - [[機械学習:過学習]] (Over-Learning)
-    - 自己組織化 Self-Organization (Self-Organizing Map)
+    - [[機械学習:強化学習]] (Reinforcement Learning)
-    - 過学習 (Over-Learning)
+  - 多層ニューラルネットワーク
-    - 回帰、分類 (Regression, Classification)
+    - [[https://ja.wikipedia.org/wiki/ディープラーニング|深層学習，ディープラーニング]] (Deep Learning)
-  - [[機械学習:多層ニューラルネットワーク]]
+    - [[機械学習:ConvNet]]
-  - [[機械学習:再帰型ニューラルネットワーク]]
+    - [[機械学習:バックプロパゲーション]] (Back-Propagation Method)
-  - [[機械学習:強化学習]]
+    - [[機械学習:パーセプトロン]] (Perceptron)
-    - Q 学習
+    - [[機械学習:畳み込みニューラルネットワーク]] (CNN)
-    - TD 学習
+    - [[機械学習:ドロップアウト]] (dropout)
-    - アクタークリティック法 (Actor Qritique Methods)
+  - [[機械学習:再帰型ニューラルネットワーク]](recurrent neural networks)
-  - [[機械学習:自己組織化]]
+    - [[機械学習:単純再帰型ニューラルネットワーク]] (simple recurrent neural networks)
-  - [[機械学習:関連する統計的話題]]
+    - [[機械学習:LSTM]] (Long Short-Term Memory)
-    - ギブスサンプリング (Gibbs samplings)
+    - [[機械学習:GRU]] (Gated Recurrent Unit)
-    - ベイジアングラフ (Bayesian graph)
+    - [[機械学習:エコーステートネットワーク]] (Echo State Networks)
-    - ベイズ推論 (Bayesian inferences)
+  - 機械学習:汎用性に関わる学習
-    - ホップフィールドモデル (Hopfield models)
+    - [[機械学習:転移学習]]
-    - ボルツマンマシン (Boltzmann machines)
+    - [[機械学習:マルチタスク学習]]
-    - 制限ボルツマンマシン (restricted Boltzmann machines)
+  - 関連する統計的話題
-    - 確率過程 (stochastic processes)
+    - [[https://ja.wikipedia.org/wiki/ギブスサンプリング|ギブスサンプリング]] (Gibbs samplings)
-    - 統計学習 (statistical learning)
+    - [[機械学習:ベイジアングラフ]] (Bayesian graph)
+    - [[https://ja.wikipedia.org/wiki/ベイズ推定|ベイズ推定]] (Bayesian inferences)
+    - [[機械学習:ホップフィールドモデル]] (Hopfield models)
+    - [[https://ja.wikipedia.org/wiki/ボルツマンマシン|ボルツマンマシン]] (Boltzmann machines)
+    - [[機械学習:制限ボルツマンマシン]] (restricted Boltzmann machines)
+    - [[https://ja.wikipedia.org/wiki/確率過程|確率過程]] (stochastic processes)
+    - [[機械学習:統計学習]] (statistical learning)
     - [[機械学習:独立成分分析]]
-  - [[機械学習:記憶]]
+  - 記憶
     - [[機械学習:記憶概論]]
     - [[機械学習:記憶分類]]
     - [[機械学習:連想記憶]]
-  - [[機械学習:応用的話題]]
+  - 応用的話題
     - [[機械学習:R-CNN]]
     - [[機械学習:スキップグラム]]
     - [[機械学習:ニューラルネットワーク機械翻訳]]
+  - [[機械学習:参考文献]]
-==== 神経伝達物質 (Neurotransmitters) ====
-====== 基礎的概念 ======
-==== アトラクタ (Attractors) ====
-==== 勾配降下法 (Gradient Descent Algorithm) ====
-==== 教師あり学習、教師なし学習 (Supervised Learning, Unsupervised Learning) ====
-[[http://kazoo04.hatenablog.com/entry/agi-ac-12|教師なし学習]]
-==== 最急降下法 (Steepest Gradient Descent Methods) =====
-==== 確率的勾配降下法 (Stochastic Gradient Descent) ====
-==== 過学習 (Over-Learning) ====
-==== 回帰、分類 (Regression, Classification) ====
-====== 多層ニューラルネットワーク ======
-==== ConvNet ====
-==== ディープニューラルネットワーク (Deep Neural Networks) ====
-==== ディープラーニング (Deep Learning) ====
-==== バックプロパゲーション (Back-Propagation Method) ====
-日本語では誤差逆伝搬法と呼びます。情報の流れを順方向、学習に必要な誤差の流れを逆方向と言います。
-==== パーセプトロン (Perceptron) =====
-[[機械学習:パーセプトロン]]
-==== 畳み込みニューラルネットワーク (CNN) ====
-[[機械学習:畳み込みニューラルネットワーク]]
-==== ドロップアウト (dropout) ====
-[[機械学習:ドロップアウト]]
-====== 再帰型ニューラルネットワーク ======
-==== リカレントネットワーク (recurrent neural networks) =====
-リカレントネットワークとはフィードバック結合を持つモデルを指します。
-==== 単純再帰型ニューラルネットワーク (simple recurrent neural networks) ====
-単純再帰型ニューラルネットワークとは，初期に提案された２つモデルを指します。ジョーダンネットワークとエルマンネットワークと言います。
-==== LSTM (Long Short-Term Memory) ====
-[[機械学習:LSTM]]
-==== GRU (Gated Recurrent Unit) ====
-[[機械学習:GRU]]
-==== エコーステートネットワーク (Echo State Networks) ====
-====== 関連する統計的話題 ======
-==== ギブスサンプリング (Gibbs samplings) ====
-==== ベイジアングラフ (Bayesian graph) ====