情報論的学習理論 [単行本]

情報論的学習理論 [単行本] の 商品概要

• 目次

  はじめに
  
  第1章　符号化と学習
  
  第2章　一括学習とモデル選択
  
  第3章　逐次的符号化と逐次的予測
  
  第4章　拡張型確率的コンプレキシティと学習
  
  第5章　学習と最適化アルゴリズム
  
  第6章　アンサンブル学習
  
  第7章　動的モデル選択
  
  第8章　完全なるMDL原理に向けて
  
  第9章　おわりに-情報論的学習理論のまとめと今後

• 出版社からのコメント

  機械学習アルゴリズムへの情報論的アプローチ

• 内容紹介

  　大量のデータから知識を獲得する技術として「機械学習」が注目を集めており、今やデータマイニング、ロボティクス、バイオインフォマティクスなど広く現実的な応用可能性をもっている。その機械学習には計算論的アプローチ、統計学的アプローチ、経験的アプローチなど様々なアプローチがあるが、本書では、情報量の観点から統一的に機械学習アルゴリズムの設計と解析を論ずる「情報論的アプローチ」を試みる。特に、「確率的コンプレキシティ（＝記述長）」という情報理論的概念を軸に、「学習とは確率的コンプレキシティを最小化するモデルを探すことである」という明快な指針に基づき、機械学習の代表的な問題―一括学習、逐次的予測、分散学習、最適化、動的モデル選択―を解決できることを示している。

• 著者紹介（「BOOK著者紹介情報」より）（本データはこの書籍が刊行された当時に掲載されていたものです）

  山西 健司(ヤマニシ ケンジ)
  １９８７年東京大学大学院工学系計数工学専門課程修士課程修了。１９８７年‐２００８年ＮＥＣ中央研究所にて機械学習、データマイニング、テキストマイニング、情報理論の研究開発に従事。１９９２年‐１９９５年ＮＥＣ　Ｒｅｓｅａｒｃｈ　Ｉｎｓｔｉｔｕｔｅ，Ｉｎｃ．（Ｕ．Ｓ．Ａ）にＶｉｓｉｔｉｎｇ　Ｓｃｉｅｎｔｉｓｔとして出向。２００２年‐２００８年ＮＥＣ主席研究員。２００５年‐２００８年ＮＥＣデータマイニング技術センター長。現在、東京大学大学院情報理工学系研究科数理情報学専攻教授、博士（工学）

情報論的学習理論 [単行本] の商品スペック