Suche senden
Hochladen
力学系数理分野(研究室)のご案内
•
0 gefällt mir
•
3,559 views
京都大学大学院情報学研究科数理工学専攻
Folgen
京都大学大学院情報学研究科 数理工学専攻 力学系数理分野(研究室)の案内 力学系理論の研究と応用を行う研究室です．
Weniger lesen
Mehr lesen
Bildung
Diashow-Anzeige
Melden
Teilen
Diashow-Anzeige
Melden
Teilen
1 von 14
Jetzt herunterladen
Downloaden Sie, um offline zu lesen
Empfohlen
言語処理学会第28回年次大会(NLP2022)のチュートリアルでの講演資料です。 https://www.anlp.jp/nlp2022/#tutorial
ゼロから始める転移学習
ゼロから始める転移学習
Yahoo!デベロッパーネットワーク
書籍「エキPy」は2010年の初版から11年目を迎え、3版となりました。他にも良いPython本がある昨今、あえて600ページ超の鈍器となった本書を多くの方に読んで頂きたいと思っています。このトークでは「エキPy 改訂3版」の読みどころを、読者と翻訳者、それぞれの視点から紹介します。これきっかけに本書の読者になって頂けると嬉しいですし、翻訳に挑戦しよう、という方が現れたらとても嬉しいです。 みんなのPython勉強会#72 - connpass https://startpython.connpass.com/event/219206/
エキスパートPythonプログラミング改訂3版の読みどころ
エキスパートPythonプログラミング改訂3版の読みどころ
Takayuki Shimizukawa
人工知能学会主催 IJCAI2020に向けた論文書き方セミナー (https://www.ai-gakkai.or.jp/sigconf/sigconf2019/ijcai/) 招待講演 スライド修正版 https://www.slideshare.net/JunSuzuki21/2019-0826-yansinvitedtalk の改良版です（内容の大部分はかぶっています） 文字化けするので，画像にしてアップしています．
トップカンファレンスへの論文採択に向けて（AI研究分野版）/ Toward paper acceptance at top conferences (AI...
トップカンファレンスへの論文採択に向けて（AI研究分野版）/ Toward paper acceptance at top conferences (AI...
JunSuzuki21
NLP コロキウム https://nlp-colloquium-jp.github.io/ で発表した際のスライドです。 論文: https://arxiv.org/abs/2205.01954 GitHub: https://github.com/joisino/wordtour 概要 単語埋め込みは現代の自然言語処理の中核技術のひとつで、文書分類や類似度測定をはじめとして、さまざまな場面で使用されていることは知っての通りです。しかし、ふつう埋め込み先は何百という高次元であり、使用する時には多くの時間やメモリを消費するうえに、高次元埋め込みを視覚的に表現できないため解釈が難しいことが問題です。そこで本研究では、【一次元】の単語埋め込みを教師なしで得る方法を提案します。とはいえ、単語のあらゆる側面を一次元で捉えるのは不可能であるので、本研究ではまず単語埋め込みが満たすべき性質を健全性と完全性という二つに分解します。提案法の WordTour は、完全性はあきらめ、健全性のみを課すことで一次元埋め込みを可能にし、それでいて、全ての、とまでは言わないまでも、いくつかの応用において有用な一次元埋め込みを得ることに成功しました。
Word Tour: One-dimensional Word Embeddings via the Traveling Salesman Problem...
Word Tour: One-dimensional Word Embeddings via the Traveling Salesman Problem...
joisino
2019年9月27日のPyData.Tokyo Meetup #21での発表資料です。 Optuna (https://github.com/pfnet/optuna) の使い方やソフトウェアデザイン、LightGBM向けの新機能について紹介しています。
PyData.Tokyo Meetup #21 講演資料「Optuna ハイパーパラメータ最適化フレームワーク」太田 健
PyData.Tokyo Meetup #21 講演資料「Optuna ハイパーパラメータ最適化フレームワーク」太田 健
Preferred Networks
「言語処理のための機械学習入門」輪読 第５章 @ AITC CC部会
系列ラベリングの基礎
系列ラベリングの基礎
Takatomo Isikawa
第1回Webインテリジェンスとインタラクションセミナー（いまさら訊けないシリーズ「言語処理技術」）での発表資料です。 https://www.sigwi2.org/next-sig
深層学習による自然言語処理入門: word2vecからBERT, GPT-3まで
深層学習による自然言語処理入門: word2vecからBERT, GPT-3まで
Yahoo!デベロッパーネットワーク
デブサミ2018夏の原田の講演資料です。
Devsumi 2018summer
Devsumi 2018summer
Harada Kei
Empfohlen
言語処理学会第28回年次大会(NLP2022)のチュートリアルでの講演資料です。 https://www.anlp.jp/nlp2022/#tutorial
ゼロから始める転移学習
ゼロから始める転移学習
Yahoo!デベロッパーネットワーク
書籍「エキPy」は2010年の初版から11年目を迎え、3版となりました。他にも良いPython本がある昨今、あえて600ページ超の鈍器となった本書を多くの方に読んで頂きたいと思っています。このトークでは「エキPy 改訂3版」の読みどころを、読者と翻訳者、それぞれの視点から紹介します。これきっかけに本書の読者になって頂けると嬉しいですし、翻訳に挑戦しよう、という方が現れたらとても嬉しいです。 みんなのPython勉強会#72 - connpass https://startpython.connpass.com/event/219206/
エキスパートPythonプログラミング改訂3版の読みどころ
エキスパートPythonプログラミング改訂3版の読みどころ
Takayuki Shimizukawa
人工知能学会主催 IJCAI2020に向けた論文書き方セミナー (https://www.ai-gakkai.or.jp/sigconf/sigconf2019/ijcai/) 招待講演 スライド修正版 https://www.slideshare.net/JunSuzuki21/2019-0826-yansinvitedtalk の改良版です（内容の大部分はかぶっています） 文字化けするので，画像にしてアップしています．
トップカンファレンスへの論文採択に向けて（AI研究分野版）/ Toward paper acceptance at top conferences (AI...
トップカンファレンスへの論文採択に向けて（AI研究分野版）/ Toward paper acceptance at top conferences (AI...
JunSuzuki21
NLP コロキウム https://nlp-colloquium-jp.github.io/ で発表した際のスライドです。 論文: https://arxiv.org/abs/2205.01954 GitHub: https://github.com/joisino/wordtour 概要 単語埋め込みは現代の自然言語処理の中核技術のひとつで、文書分類や類似度測定をはじめとして、さまざまな場面で使用されていることは知っての通りです。しかし、ふつう埋め込み先は何百という高次元であり、使用する時には多くの時間やメモリを消費するうえに、高次元埋め込みを視覚的に表現できないため解釈が難しいことが問題です。そこで本研究では、【一次元】の単語埋め込みを教師なしで得る方法を提案します。とはいえ、単語のあらゆる側面を一次元で捉えるのは不可能であるので、本研究ではまず単語埋め込みが満たすべき性質を健全性と完全性という二つに分解します。提案法の WordTour は、完全性はあきらめ、健全性のみを課すことで一次元埋め込みを可能にし、それでいて、全ての、とまでは言わないまでも、いくつかの応用において有用な一次元埋め込みを得ることに成功しました。
Word Tour: One-dimensional Word Embeddings via the Traveling Salesman Problem...
Word Tour: One-dimensional Word Embeddings via the Traveling Salesman Problem...
joisino
2019年9月27日のPyData.Tokyo Meetup #21での発表資料です。 Optuna (https://github.com/pfnet/optuna) の使い方やソフトウェアデザイン、LightGBM向けの新機能について紹介しています。
PyData.Tokyo Meetup #21 講演資料「Optuna ハイパーパラメータ最適化フレームワーク」太田 健
PyData.Tokyo Meetup #21 講演資料「Optuna ハイパーパラメータ最適化フレームワーク」太田 健
Preferred Networks
「言語処理のための機械学習入門」輪読 第５章 @ AITC CC部会
系列ラベリングの基礎
系列ラベリングの基礎
Takatomo Isikawa
第1回Webインテリジェンスとインタラクションセミナー（いまさら訊けないシリーズ「言語処理技術」）での発表資料です。 https://www.sigwi2.org/next-sig
深層学習による自然言語処理入門: word2vecからBERT, GPT-3まで
深層学習による自然言語処理入門: word2vecからBERT, GPT-3まで
Yahoo!デベロッパーネットワーク
デブサミ2018夏の原田の講演資料です。
Devsumi 2018summer
Devsumi 2018summer
Harada Kei
Optuna Meetup #1 https://optuna.connpass.com/event/207545/
CMA-ESサンプラーによるハイパーパラメータ最適化 at Optuna Meetup #1
CMA-ESサンプラーによるハイパーパラメータ最適化 at Optuna Meetup #1
Masashi Shibata
2022/03/18 Deep Learning JP: http://deeplearning.jp/seminar-2/
[DL輪読会]Revisiting Deep Learning Models for Tabular Data (NeurIPS 2021) 表形式デー...
[DL輪読会]Revisiting Deep Learning Models for Tabular Data (NeurIPS 2021) 表形式デー...
Deep Learning JP
CuPy は Python 上での GPU 計算を支援するライブラリです。Python で標準的に使われている配列計算ライブラリ NumPy 互換の API を提供することで、ユーザーが簡単に GPU (CUDA) を使えることを目指して開発しています。 今回は、CuPy の使い方とその実例、高速化のポイントに加えて、CuPy の仕組み、開発の方向性など、より深く CuPy を知って頂ける内容をお伝えします。
[GTCJ2018]CuPy -NumPy互換GPUライブラリによるPythonでの高速計算- PFN奥田遼介
[GTCJ2018]CuPy -NumPy互換GPUライブラリによるPythonでの高速計算- PFN奥田遼介
Preferred Networks
LUT-Network その後の話
LUT-Network その後の話(2022/05/07)
LUT-Network その後の話(2022/05/07)
ryuz88
全脳アーキテクチャ若手の会 強化学習
全脳アーキテクチャ若手の会 強化学習
全脳アーキテクチャ若手の会 強化学習
kwp_george
最近のGNNの隣接ノード情報の集約方法や一層パーセプトロンによる積層の限界を指摘した論文．
【論文紹介】How Powerful are Graph Neural Networks?
【論文紹介】How Powerful are Graph Neural Networks?
Masanao Ochi
東北大学情報科学研究科における産学連携講義「先端技術の基礎と実践」で、2022年1月13日にPFNリサーチャーの菊池悠太が行った講義の資料です。 深層学習による画像認識について紹介し、訓練データにまつわる話や社内外における近年のCGやシミュレータの活用事例について取り上げました。
東北大学 先端技術の基礎と実践_深層学習による画像認識とデータの話_菊池悠太
東北大学 先端技術の基礎と実践_深層学習による画像認識とデータの話_菊池悠太
Preferred Networks
2020/10/23 (金)の名古屋大学主催、NVIDIA・PFN共催の「Optuna講習会」の資料です。
不老におけるOptunaを利用した分散ハイパーパラメータ最適化 - 今村秀明（名古屋大学 Optuna講習会）
不老におけるOptunaを利用した分散ハイパーパラメータ最適化 - 今村秀明（名古屋大学 Optuna講習会）
Preferred Networks
KDD Cup 2021で開催された時系列異常検知コンペ Multi-dataset Time Series Anomaly Detection (https://compete.hexagon-ml.com/practice/competition/39/) に参加して 5位入賞した解法の紹介と上位解法の整理のための資料です． 9/24のKDD2021参加報告&論文読み会 (https://connpass.com/event/223966/) の発表資料です．
KDD Cup 2021 時系列異常検知コンペ 参加報告
KDD Cup 2021 時系列異常検知コンペ 参加報告
GentaYoshimura
2018/09/14 Deep Learning JP: http://deeplearning.jp/seminar-2/
[DL輪読会]Life-Long Disentangled Representation Learning with Cross-Domain Laten...
[DL輪読会]Life-Long Disentangled Representation Learning with Cross-Domain Laten...
Deep Learning JP
For talk about code golf in program symposium.
Code Golf
Code Golf
Shinichiro Hamaji
表形式データのために提案されたDNNをベースとしたモデルとXGBoostを比較した論文を解説。 DNNとXGBoostの両方を用いたアンサンブル学習が良い性能が出たという実験結果などを紹介します。 Shwartz-Ziv, Ravid, and Amitai Armon. "Tabular Data: Deep Learning is Not All You Need." arXiv preprint arXiv:2106.03253 (2021).
表形式データで高性能な予測モデルを構築する「DNNとXGBoostのアンサンブル学習」
表形式データで高性能な予測モデルを構築する「DNNとXGBoostのアンサンブル学習」
西岡 賢一郎
2022/11/25 Deep Learning JP http://deeplearning.jp/seminar-2/
【DL輪読会】マルチエージェント強化学習における近年の 協調的方策学習アルゴリズムの発展
【DL輪読会】マルチエージェント強化学習における近年の 協調的方策学習アルゴリズムの発展
Deep Learning JP
Mobility Technologiesではタクシーに取り付けたデバイスのデータを収集していますが、Webとは違うIoTならではの問題や障害を経験しました。それを紹介します。
IoTデバイスデータ収集の難しい点
IoTデバイスデータ収集の難しい点
Tetsutaro Watanabe
第１１回 全日本コンピュータビジョン勉強会(前編)におけるTableFormerについての発表資料です。
第１１回 全日本コンピュータビジョン勉強会(前編)_TableFormer_carnavi.pdf
第１１回 全日本コンピュータビジョン勉強会(前編)_TableFormer_carnavi.pdf
RyoKawanami
「研究室に配属されて突然先生から論文を渡されたけどどうやって読めばいいか分からない」「修士だけどもっと論文を読むスピードを上げたい」という人向けに論文の読み方をまとめました。主に電気・電子・情報系をターゲットにしていますが、他の分野でも役に立つと思います。
工学系大学4年生のための論文の読み方
工学系大学4年生のための論文の読み方
ychtanaka
大規模グラフアルゴリズムの最先端
大規模グラフアルゴリズムの最先端
Takuya Akiba
IBIS 2021 https://ibisml.org/ibis2021/ における最適輸送についてのチュートリアルスライドです。 『最適輸送の理論とアルゴリズム』好評発売中！ https://www.amazon.co.jp/dp/4065305144 Speakerdeck にもアップロードしました: https://speakerdeck.com/joisino/zui-shi-shu-song-ru-men
最適輸送入門
最適輸送入門
joisino
cvpaper.challenge の メタサーベイ発表スライドです。 cvpaper.challengeはコンピュータビジョン分野の今を映し、トレンドを創り出す挑戦です。論文サマリ作成・アイディア考案・議論・実装・論文投稿に取り組み、凡ゆる知識を共有します。 http://xpaperchallenge.org/cv/
【メタサーベイ】Transformerから基盤モデルまでの流れ / From Transformer to Foundation Models
【メタサーベイ】Transformerから基盤モデルまでの流れ / From Transformer to Foundation Models
cvpaper. challenge
DSIRNLP#1「ランキング学習ことはじめ」発表資料
DSIRNLP#1 ランキング学習ことはじめ
DSIRNLP#1 ランキング学習ことはじめ
sleepy_yoshi
京都大学大学院情報学研究科 数理工学専攻 数理解析分野(研究室)の案内 応用数学の新領域「応用可積分系」を開拓する世界の研究センター キーワード：可積分系，数値計算，直交多項式，実験計画，オートマトン，組合せ論 研究室ＨＰ http://www-is.amp.i.kyoto-u.ac.jp/
数理解析分野(研究室)の案内
数理解析分野(研究室)の案内
京都大学大学院情報学研究科数理工学専攻
2008年度 京都大学 オープンキャンパス 工学部情報学科 模擬授業
ITと数学で社会に役立つ数理最適化
ITと数学で社会に役立つ数理最適化
京都大学大学院情報学研究科数理工学専攻
Weitere ähnliche Inhalte
Was ist angesagt?
Optuna Meetup #1 https://optuna.connpass.com/event/207545/
CMA-ESサンプラーによるハイパーパラメータ最適化 at Optuna Meetup #1
CMA-ESサンプラーによるハイパーパラメータ最適化 at Optuna Meetup #1
Masashi Shibata
2022/03/18 Deep Learning JP: http://deeplearning.jp/seminar-2/
[DL輪読会]Revisiting Deep Learning Models for Tabular Data (NeurIPS 2021) 表形式デー...
[DL輪読会]Revisiting Deep Learning Models for Tabular Data (NeurIPS 2021) 表形式デー...
Deep Learning JP
CuPy は Python 上での GPU 計算を支援するライブラリです。Python で標準的に使われている配列計算ライブラリ NumPy 互換の API を提供することで、ユーザーが簡単に GPU (CUDA) を使えることを目指して開発しています。 今回は、CuPy の使い方とその実例、高速化のポイントに加えて、CuPy の仕組み、開発の方向性など、より深く CuPy を知って頂ける内容をお伝えします。
[GTCJ2018]CuPy -NumPy互換GPUライブラリによるPythonでの高速計算- PFN奥田遼介
[GTCJ2018]CuPy -NumPy互換GPUライブラリによるPythonでの高速計算- PFN奥田遼介
Preferred Networks
LUT-Network その後の話
LUT-Network その後の話(2022/05/07)
LUT-Network その後の話(2022/05/07)
ryuz88
全脳アーキテクチャ若手の会 強化学習
全脳アーキテクチャ若手の会 強化学習
全脳アーキテクチャ若手の会 強化学習
kwp_george
最近のGNNの隣接ノード情報の集約方法や一層パーセプトロンによる積層の限界を指摘した論文．
【論文紹介】How Powerful are Graph Neural Networks?
【論文紹介】How Powerful are Graph Neural Networks?
Masanao Ochi
東北大学情報科学研究科における産学連携講義「先端技術の基礎と実践」で、2022年1月13日にPFNリサーチャーの菊池悠太が行った講義の資料です。 深層学習による画像認識について紹介し、訓練データにまつわる話や社内外における近年のCGやシミュレータの活用事例について取り上げました。
東北大学 先端技術の基礎と実践_深層学習による画像認識とデータの話_菊池悠太
東北大学 先端技術の基礎と実践_深層学習による画像認識とデータの話_菊池悠太
Preferred Networks
2020/10/23 (金)の名古屋大学主催、NVIDIA・PFN共催の「Optuna講習会」の資料です。
不老におけるOptunaを利用した分散ハイパーパラメータ最適化 - 今村秀明（名古屋大学 Optuna講習会）
不老におけるOptunaを利用した分散ハイパーパラメータ最適化 - 今村秀明（名古屋大学 Optuna講習会）
Preferred Networks
KDD Cup 2021で開催された時系列異常検知コンペ Multi-dataset Time Series Anomaly Detection (https://compete.hexagon-ml.com/practice/competition/39/) に参加して 5位入賞した解法の紹介と上位解法の整理のための資料です． 9/24のKDD2021参加報告&論文読み会 (https://connpass.com/event/223966/) の発表資料です．
KDD Cup 2021 時系列異常検知コンペ 参加報告
KDD Cup 2021 時系列異常検知コンペ 参加報告
GentaYoshimura
2018/09/14 Deep Learning JP: http://deeplearning.jp/seminar-2/
[DL輪読会]Life-Long Disentangled Representation Learning with Cross-Domain Laten...
[DL輪読会]Life-Long Disentangled Representation Learning with Cross-Domain Laten...
Deep Learning JP
For talk about code golf in program symposium.
Code Golf
Code Golf
Shinichiro Hamaji
表形式データのために提案されたDNNをベースとしたモデルとXGBoostを比較した論文を解説。 DNNとXGBoostの両方を用いたアンサンブル学習が良い性能が出たという実験結果などを紹介します。 Shwartz-Ziv, Ravid, and Amitai Armon. "Tabular Data: Deep Learning is Not All You Need." arXiv preprint arXiv:2106.03253 (2021).
表形式データで高性能な予測モデルを構築する「DNNとXGBoostのアンサンブル学習」
表形式データで高性能な予測モデルを構築する「DNNとXGBoostのアンサンブル学習」
西岡 賢一郎
2022/11/25 Deep Learning JP http://deeplearning.jp/seminar-2/
【DL輪読会】マルチエージェント強化学習における近年の 協調的方策学習アルゴリズムの発展
【DL輪読会】マルチエージェント強化学習における近年の 協調的方策学習アルゴリズムの発展
Deep Learning JP
Mobility Technologiesではタクシーに取り付けたデバイスのデータを収集していますが、Webとは違うIoTならではの問題や障害を経験しました。それを紹介します。
IoTデバイスデータ収集の難しい点
IoTデバイスデータ収集の難しい点
Tetsutaro Watanabe
第１１回 全日本コンピュータビジョン勉強会(前編)におけるTableFormerについての発表資料です。
第１１回 全日本コンピュータビジョン勉強会(前編)_TableFormer_carnavi.pdf
第１１回 全日本コンピュータビジョン勉強会(前編)_TableFormer_carnavi.pdf
RyoKawanami
「研究室に配属されて突然先生から論文を渡されたけどどうやって読めばいいか分からない」「修士だけどもっと論文を読むスピードを上げたい」という人向けに論文の読み方をまとめました。主に電気・電子・情報系をターゲットにしていますが、他の分野でも役に立つと思います。
工学系大学4年生のための論文の読み方
工学系大学4年生のための論文の読み方
ychtanaka
大規模グラフアルゴリズムの最先端
大規模グラフアルゴリズムの最先端
Takuya Akiba
IBIS 2021 https://ibisml.org/ibis2021/ における最適輸送についてのチュートリアルスライドです。 『最適輸送の理論とアルゴリズム』好評発売中！ https://www.amazon.co.jp/dp/4065305144 Speakerdeck にもアップロードしました: https://speakerdeck.com/joisino/zui-shi-shu-song-ru-men
最適輸送入門
最適輸送入門
joisino
cvpaper.challenge の メタサーベイ発表スライドです。 cvpaper.challengeはコンピュータビジョン分野の今を映し、トレンドを創り出す挑戦です。論文サマリ作成・アイディア考案・議論・実装・論文投稿に取り組み、凡ゆる知識を共有します。 http://xpaperchallenge.org/cv/
【メタサーベイ】Transformerから基盤モデルまでの流れ / From Transformer to Foundation Models
【メタサーベイ】Transformerから基盤モデルまでの流れ / From Transformer to Foundation Models
cvpaper. challenge
DSIRNLP#1「ランキング学習ことはじめ」発表資料
DSIRNLP#1 ランキング学習ことはじめ
DSIRNLP#1 ランキング学習ことはじめ
sleepy_yoshi
Was ist angesagt?
(20)
CMA-ESサンプラーによるハイパーパラメータ最適化 at Optuna Meetup #1
CMA-ESサンプラーによるハイパーパラメータ最適化 at Optuna Meetup #1
[DL輪読会]Revisiting Deep Learning Models for Tabular Data (NeurIPS 2021) 表形式デー...
[DL輪読会]Revisiting Deep Learning Models for Tabular Data (NeurIPS 2021) 表形式デー...
[GTCJ2018]CuPy -NumPy互換GPUライブラリによるPythonでの高速計算- PFN奥田遼介
[GTCJ2018]CuPy -NumPy互換GPUライブラリによるPythonでの高速計算- PFN奥田遼介
LUT-Network その後の話(2022/05/07)
LUT-Network その後の話(2022/05/07)
全脳アーキテクチャ若手の会 強化学習
全脳アーキテクチャ若手の会 強化学習
【論文紹介】How Powerful are Graph Neural Networks?
【論文紹介】How Powerful are Graph Neural Networks?
東北大学 先端技術の基礎と実践_深層学習による画像認識とデータの話_菊池悠太
東北大学 先端技術の基礎と実践_深層学習による画像認識とデータの話_菊池悠太
不老におけるOptunaを利用した分散ハイパーパラメータ最適化 - 今村秀明（名古屋大学 Optuna講習会）
不老におけるOptunaを利用した分散ハイパーパラメータ最適化 - 今村秀明（名古屋大学 Optuna講習会）
KDD Cup 2021 時系列異常検知コンペ 参加報告
KDD Cup 2021 時系列異常検知コンペ 参加報告
[DL輪読会]Life-Long Disentangled Representation Learning with Cross-Domain Laten...
[DL輪読会]Life-Long Disentangled Representation Learning with Cross-Domain Laten...
Code Golf
Code Golf
表形式データで高性能な予測モデルを構築する「DNNとXGBoostのアンサンブル学習」
表形式データで高性能な予測モデルを構築する「DNNとXGBoostのアンサンブル学習」
【DL輪読会】マルチエージェント強化学習における近年の 協調的方策学習アルゴリズムの発展
【DL輪読会】マルチエージェント強化学習における近年の 協調的方策学習アルゴリズムの発展
IoTデバイスデータ収集の難しい点
IoTデバイスデータ収集の難しい点
第１１回 全日本コンピュータビジョン勉強会(前編)_TableFormer_carnavi.pdf
第１１回 全日本コンピュータビジョン勉強会(前編)_TableFormer_carnavi.pdf
工学系大学4年生のための論文の読み方
工学系大学4年生のための論文の読み方
大規模グラフアルゴリズムの最先端
大規模グラフアルゴリズムの最先端
最適輸送入門
最適輸送入門
【メタサーベイ】Transformerから基盤モデルまでの流れ / From Transformer to Foundation Models
【メタサーベイ】Transformerから基盤モデルまでの流れ / From Transformer to Foundation Models
DSIRNLP#1 ランキング学習ことはじめ
DSIRNLP#1 ランキング学習ことはじめ
Andere mochten auch
京都大学大学院情報学研究科 数理工学専攻 数理解析分野(研究室)の案内 応用数学の新領域「応用可積分系」を開拓する世界の研究センター キーワード：可積分系，数値計算，直交多項式，実験計画，オートマトン，組合せ論 研究室ＨＰ http://www-is.amp.i.kyoto-u.ac.jp/
数理解析分野(研究室)の案内
数理解析分野(研究室)の案内
京都大学大学院情報学研究科数理工学専攻
2008年度 京都大学 オープンキャンパス 工学部情報学科 模擬授業
ITと数学で社会に役立つ数理最適化
ITと数学で社会に役立つ数理最適化
京都大学大学院情報学研究科数理工学専攻
2012年度 京都大学オープンキャンパス 工学部情報学科 模擬授業
混沌を活かす技術と思想の温故知新 －熱機関から携帯電話、そして未来のＩＣＴへ－
混沌を活かす技術と思想の温故知新 －熱機関から携帯電話、そして未来のＩＣＴへ－
京都大学大学院情報学研究科数理工学専攻
京都大学大学院情報学研究科 数理工学専攻 最適化数理分野(研究室) 数理最適化の理論と応用を研究している研究室です． 研究室HP http://www-optima.amp.i.kyoto-u.ac.jp -------------------------------------- 令和４年度 数理工学専攻説明会 第１回： 令和４年５月７日(土) 完全オンライン 第２回： 平成４年５月２３日(月) ハイブリッド(一部対面のみ) 場所,プログラムの詳細は以下の専攻ＨＰをご覧ください． http://www.amp.i.kyoto-u.ac.jp
最適化数理分野(研究室)の案内
最適化数理分野(研究室)の案内
京都大学大学院情報学研究科数理工学専攻
京都大学大学院情報学研究科 数理工学専攻 離散数理分野(研究室)の案内 離散数学や組合せ最適化の理論と応用を研究している研究室です． キーワード：離散数学，組合せ最適化，グラフ理論，オペレーションズリサーチ http://www-or.amp.i.kyoto-u.ac.jp Department of Applied Mathematics and Physics, Graduate School of Informatics, Kyoto University, Japan
離散数理分野(研究室)の案内
離散数理分野(研究室)の案内
京都大学大学院情報学研究科数理工学専攻
京都大学大学院情報学研究科 数理工学専攻 物理統計学分野(研究室)の案内 研究テーマ： 多くの要素が強く相互作用、相互依存することにより生起する複雑多様な現象に対する統一的な数理モデルの構築・理解と，その情報処理への応用． キーワード：統計物理学，カオス理論，新通信方式（5G），経済物理学，脳，サイバーセキュリティ，ビッグデータ，Deep learning，IoT，複雑ネットワーク，地震，時系列解析，ファイナンス 研究室ＨＰ： http://chaosken.amp.i.kyoto-u.ac.jp/
物理統計学分野(研究室)の案内
物理統計学分野(研究室)の案内
京都大学大学院情報学研究科数理工学専攻
京都大学大学院情報学研究科 数理工学専攻の入試案内 -------------------------------------------------- 令和４年度 数理工学専攻説明会 第１回： 令和４年５月７日(土) 完全オンライン 第２回： 平成４年５月２３日(月) ハイブリッド(一部対面のみ) 場所,プログラムの詳細は以下の専攻ＨＰをご覧ください． http://www.amp.i.kyoto-u.ac.jp
数理工学専攻の入試案内
数理工学専攻の入試案内
京都大学大学院情報学研究科数理工学専攻
Andere mochten auch
(7)
数理解析分野(研究室)の案内
数理解析分野(研究室)の案内
ITと数学で社会に役立つ数理最適化
ITと数学で社会に役立つ数理最適化
混沌を活かす技術と思想の温故知新 －熱機関から携帯電話、そして未来のＩＣＴへ－
混沌を活かす技術と思想の温故知新 －熱機関から携帯電話、そして未来のＩＣＴへ－
最適化数理分野(研究室)の案内
最適化数理分野(研究室)の案内
離散数理分野(研究室)の案内
離散数理分野(研究室)の案内
物理統計学分野(研究室)の案内
物理統計学分野(研究室)の案内
数理工学専攻の入試案内
数理工学専攻の入試案内
Mehr von 京都大学大学院情報学研究科数理工学専攻
Presentation slides given at the AMP departmental seminar, May 31, 2021. Shunji Kakinaka is a PhD student with the Physical Statistics Research Group, Department of Applied Mathematics and Physics (AMP), Graduate School of Informatics, Kyoto University. Abstract: Asymmetric correlation between price and volatility is a prominent feature of financial market time series. In this short presentation, the stylized facts of the relationship between price and volatility in cryptocurrency markets are introduced. In addition, the presence of asymmetric volatility effect between uptrend (bull) and downtrend (bear) regimes are investigated using the nonlinear cross-correlation coefficient measures.
Shunji Kakinaka - Asymmetric volatility dynamics in cryptocurrency markets
Shunji Kakinaka - Asymmetric volatility dynamics in cryptocurrency markets
京都大学大学院情報学研究科数理工学専攻
Joint Project on Cheminformatics with Prof Akutsu's Lab of the Kyoto University Institute for Chemical Research
Discrete Math Lab Cheminformatics Joint Project
Discrete Math Lab Cheminformatics Joint Project
京都大学大学院情報学研究科数理工学専攻
機械学習と離散最適化に基づく新規物質設計技術
離散数理分野・阿久津研究室共同研究プロジェクト
離散数理分野・阿久津研究室共同研究プロジェクト
京都大学大学院情報学研究科数理工学専攻
「第15回組合せ最適化セミナー」講演スライド
1次式とノルムで構成された最適化問題とその双対問題
1次式とノルムで構成された最適化問題とその双対問題
京都大学大学院情報学研究科数理工学専攻
リプシッツ連続性に基づく勾配法・ニュートン型手法の計算量解析 2011年 RAMP シンポジウム講演資料 制約なし最適化問題に対するアルゴリズムの計算量解析について紹介しています． 研究室ＨＰ http://www-optima.amp.i.kyoto-u.ac.jp
リプシッツ連続性に基づく勾配法・ニュートン型手法の計算量解析
リプシッツ連続性に基づく勾配法・ニュートン型手法の計算量解析
京都大学大学院情報学研究科数理工学専攻
機械学習などに現われる大規模凸計画に対する近接勾配法，射影勾配法などの勾配型手法についての解説 2011年 情報論的学習理論ワークショップ 講演資料 京都大学大学院情報学研究科 数理工学専攻 最適化数理分野(研究室) http://www-optima.amp.i.kyoto-u.ac.jp
大規模凸最適化問題に対する勾配法
大規模凸最適化問題に対する勾配法
京都大学大学院情報学研究科数理工学専攻
2010年度 京都大学オープンキャンパス 工学部情報学科 模擬授業
ゆらぎの数理 情報処理への応用
ゆらぎの数理 情報処理への応用
京都大学大学院情報学研究科数理工学専攻
2004年度 京都大学オープンキャンパス 工学部情報学科 模擬授業 資料 離散数理分野(研究室) 組合せ最適化や離散数学の理論と応用を研究している研究室です． 研究室HP： http://www-or.amp.i.kyoto-u.ac.jp
簡単そうで難しい組合せ最適化
簡単そうで難しい組合せ最適化
京都大学大学院情報学研究科数理工学専攻
This slide has been presented in ISOLA 2015 by Norhazwani Md Yunos, Aleksandar Shurbevski and Hiroshi Nagamochi.
A Polynomial-Space Exact Algorithm for TSP in Degree-5 Graphs
A Polynomial-Space Exact Algorithm for TSP in Degree-5 Graphs
京都大学大学院情報学研究科数理工学専攻
This slide has been presented in ISOLA 2015 by Fei He and Hiroshi Nagamochi.
A Method for Generating Colorings over Graph Automophism
A Method for Generating Colorings over Graph Automophism
京都大学大学院情報学研究科数理工学専攻
京都大学大学院情報学研究科数理工学専攻 2015年度修士論文 鋒
A Forward-Backward Splitting Method with Component-wise Lazy Evaluation for O...
A Forward-Backward Splitting Method with Component-wise Lazy Evaluation for O...
京都大学大学院情報学研究科数理工学専攻
京都大学大学院情報学研究科 最適化数理分野 Coordinate Descent 法 (座標降下法) のサーベイ
coordinate descent 法について
coordinate descent 法について
京都大学大学院情報学研究科数理工学専攻
京都大学大学院情報学研究科 数理工学専攻 2015年度 修士論文 岩出
Exact Algorithms for Minimum Edge Dominating Set and Lowest Edge Dominating Set
Exact Algorithms for Minimum Edge Dominating Set and Lowest Edge Dominating Set
京都大学大学院情報学研究科数理工学専攻
Mehr von 京都大学大学院情報学研究科数理工学専攻
(13)
Shunji Kakinaka - Asymmetric volatility dynamics in cryptocurrency markets
Shunji Kakinaka - Asymmetric volatility dynamics in cryptocurrency markets
Discrete Math Lab Cheminformatics Joint Project
Discrete Math Lab Cheminformatics Joint Project
離散数理分野・阿久津研究室共同研究プロジェクト
離散数理分野・阿久津研究室共同研究プロジェクト
1次式とノルムで構成された最適化問題とその双対問題
1次式とノルムで構成された最適化問題とその双対問題
リプシッツ連続性に基づく勾配法・ニュートン型手法の計算量解析
リプシッツ連続性に基づく勾配法・ニュートン型手法の計算量解析
大規模凸最適化問題に対する勾配法
大規模凸最適化問題に対する勾配法
ゆらぎの数理 情報処理への応用
ゆらぎの数理 情報処理への応用
簡単そうで難しい組合せ最適化
簡単そうで難しい組合せ最適化
A Polynomial-Space Exact Algorithm for TSP in Degree-5 Graphs
A Polynomial-Space Exact Algorithm for TSP in Degree-5 Graphs
A Method for Generating Colorings over Graph Automophism
A Method for Generating Colorings over Graph Automophism
A Forward-Backward Splitting Method with Component-wise Lazy Evaluation for O...
A Forward-Backward Splitting Method with Component-wise Lazy Evaluation for O...
coordinate descent 法について
coordinate descent 法について
Exact Algorithms for Minimum Edge Dominating Set and Lowest Edge Dominating Set
Exact Algorithms for Minimum Edge Dominating Set and Lowest Edge Dominating Set
Jetzt herunterladen
