パターン認識と学習の統計学－新しい概念と手法(統計科学のフロンティア　6) [全集叢書]

パターン認識と学習の統計学－新しい概念と手法(統計科学のフロンティア　6) の 商品概要

• 目次

  第Ⅰ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Ⅱ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Ⅲ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

• 出版社からのコメント

  最新のパターン認識技術と学習理論を解説

パターン認識と学習の統計学－新しい概念と手法(統計科学のフロンティア　6) の商品スペック