Suche senden
Hochladen
情報統計力学のすすめ
•
Als PPTX, PDF herunterladen
•
13 gefällt mir
•
8,914 views
Naoki Hayashi
Folgen
rogyzemi4th by nikku12312
Weniger lesen
Mehr lesen
Ingenieurwesen
Melden
Teilen
Melden
Teilen
1 von 29
Jetzt herunterladen
Empfohlen
SSII2022 [SS1] ニューラル3D表現の最新動向〜 ニューラルネットでなんでも表せる?? 〜
SSII2022 [SS1] ニューラル3D表現の最新動向〜 ニューラルネットでなんでも表せる?? 〜
SSII
Attentionの基礎からTransformerの入門まで
Attentionの基礎からTransformerの入門まで
AGIRobots
「世界モデル」と関連研究について
「世界モデル」と関連研究について
Masahiro Suzuki
深層学習の非常に簡単な説明
深層学習の非常に簡単な説明
Seiichi Uchida
Curriculum Learning (関東CV勉強会)
Curriculum Learning (関東CV勉強会)
Yoshitaka Ushiku
数学で解き明かす深層学習の原理
数学で解き明かす深層学習の原理
Taiji Suzuki
【DL輪読会】ViT + Self Supervised Learningまとめ
【DL輪読会】ViT + Self Supervised Learningまとめ
Deep Learning JP
ようやく分かった!最尤推定とベイズ推定
ようやく分かった!最尤推定とベイズ推定
Akira Masuda
Empfohlen
SSII2022 [SS1] ニューラル3D表現の最新動向〜 ニューラルネットでなんでも表せる?? 〜
SSII2022 [SS1] ニューラル3D表現の最新動向〜 ニューラルネットでなんでも表せる?? 〜
SSII
Attentionの基礎からTransformerの入門まで
Attentionの基礎からTransformerの入門まで
AGIRobots
「世界モデル」と関連研究について
「世界モデル」と関連研究について
Masahiro Suzuki
深層学習の非常に簡単な説明
深層学習の非常に簡単な説明
Seiichi Uchida
Curriculum Learning (関東CV勉強会)
Curriculum Learning (関東CV勉強会)
Yoshitaka Ushiku
数学で解き明かす深層学習の原理
数学で解き明かす深層学習の原理
Taiji Suzuki
【DL輪読会】ViT + Self Supervised Learningまとめ
【DL輪読会】ViT + Self Supervised Learningまとめ
Deep Learning JP
ようやく分かった!最尤推定とベイズ推定
ようやく分かった!最尤推定とベイズ推定
Akira Masuda
多様な強化学習の概念と課題認識
多様な強化学習の概念と課題認識
佑 甲野
深層生成モデルと世界モデル
深層生成モデルと世界モデル
Masahiro Suzuki
Bayesian Neural Networks : Survey
Bayesian Neural Networks : Survey
tmtm otm
PRML学習者から入る深層生成モデル入門
PRML学習者から入る深層生成モデル入門
tmtm otm
ICML 2021 Workshop 深層学習の不確実性について
ICML 2021 Workshop 深層学習の不確実性について
tmtm otm
Domain Adaptation 発展と動向まとめ(サーベイ資料)
Domain Adaptation 発展と動向まとめ(サーベイ資料)
Yamato OKAMOTO
方策勾配型強化学習の基礎と応用
方策勾配型強化学習の基礎と応用
Ryo Iwaki
グラフィカルモデル入門
グラフィカルモデル入門
Kawamoto_Kazuhiko
データサイエンス概論第一=2-1 データ間の距離と類似度
データサイエンス概論第一=2-1 データ間の距離と類似度
Seiichi Uchida
最適輸送入門
最適輸送入門
joisino
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法
SSII
強化学習と逆強化学習を組み合わせた模倣学習
強化学習と逆強化学習を組み合わせた模倣学習
Eiji Uchibe
幾何を使った統計のはなし
幾何を使った統計のはなし
Toru Imai
[DL輪読会]Reward Augmented Maximum Likelihood for Neural Structured Prediction
[DL輪読会]Reward Augmented Maximum Likelihood for Neural Structured Prediction
Deep Learning JP
POMDP下での強化学習の基礎と応用
POMDP下での強化学習の基礎と応用
Yasunori Ozaki
深層学習の不確実性 - Uncertainty in Deep Neural Networks -
深層学習の不確実性 - Uncertainty in Deep Neural Networks -
tmtm otm
SSII2022 [TS1] Transformerの最前線〜 畳込みニューラルネットワークの先へ 〜
SSII2022 [TS1] Transformerの最前線〜 畳込みニューラルネットワークの先へ 〜
SSII
バンディットアルゴリズム入門と実践
バンディットアルゴリズム入門と実践
智之 村上
深層生成モデルと世界モデル(2020/11/20版)
深層生成モデルと世界モデル(2020/11/20版)
Masahiro Suzuki
[DL輪読会]A System for General In-Hand Object Re-Orientation
[DL輪読会]A System for General In-Hand Object Re-Orientation
Deep Learning JP
Rogyゼミ2014 10
Rogyゼミ2014 10
Naoki Hayashi
ぼくのつくったこうだいさいてんじぶつ
ぼくのつくったこうだいさいてんじぶつ
Naoki Hayashi
Weitere ähnliche Inhalte
Was ist angesagt?
多様な強化学習の概念と課題認識
多様な強化学習の概念と課題認識
佑 甲野
深層生成モデルと世界モデル
深層生成モデルと世界モデル
Masahiro Suzuki
Bayesian Neural Networks : Survey
Bayesian Neural Networks : Survey
tmtm otm
PRML学習者から入る深層生成モデル入門
PRML学習者から入る深層生成モデル入門
tmtm otm
ICML 2021 Workshop 深層学習の不確実性について
ICML 2021 Workshop 深層学習の不確実性について
tmtm otm
Domain Adaptation 発展と動向まとめ(サーベイ資料)
Domain Adaptation 発展と動向まとめ(サーベイ資料)
Yamato OKAMOTO
方策勾配型強化学習の基礎と応用
方策勾配型強化学習の基礎と応用
Ryo Iwaki
グラフィカルモデル入門
グラフィカルモデル入門
Kawamoto_Kazuhiko
データサイエンス概論第一=2-1 データ間の距離と類似度
データサイエンス概論第一=2-1 データ間の距離と類似度
Seiichi Uchida
最適輸送入門
最適輸送入門
joisino
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法
SSII
強化学習と逆強化学習を組み合わせた模倣学習
強化学習と逆強化学習を組み合わせた模倣学習
Eiji Uchibe
幾何を使った統計のはなし
幾何を使った統計のはなし
Toru Imai
[DL輪読会]Reward Augmented Maximum Likelihood for Neural Structured Prediction
[DL輪読会]Reward Augmented Maximum Likelihood for Neural Structured Prediction
Deep Learning JP
POMDP下での強化学習の基礎と応用
POMDP下での強化学習の基礎と応用
Yasunori Ozaki
深層学習の不確実性 - Uncertainty in Deep Neural Networks -
深層学習の不確実性 - Uncertainty in Deep Neural Networks -
tmtm otm
SSII2022 [TS1] Transformerの最前線〜 畳込みニューラルネットワークの先へ 〜
SSII2022 [TS1] Transformerの最前線〜 畳込みニューラルネットワークの先へ 〜
SSII
バンディットアルゴリズム入門と実践
バンディットアルゴリズム入門と実践
智之 村上
深層生成モデルと世界モデル(2020/11/20版)
深層生成モデルと世界モデル(2020/11/20版)
Masahiro Suzuki
[DL輪読会]A System for General In-Hand Object Re-Orientation
[DL輪読会]A System for General In-Hand Object Re-Orientation
Deep Learning JP
Was ist angesagt?
(20)
多様な強化学習の概念と課題認識
多様な強化学習の概念と課題認識
深層生成モデルと世界モデル
深層生成モデルと世界モデル
Bayesian Neural Networks : Survey
Bayesian Neural Networks : Survey
PRML学習者から入る深層生成モデル入門
PRML学習者から入る深層生成モデル入門
ICML 2021 Workshop 深層学習の不確実性について
ICML 2021 Workshop 深層学習の不確実性について
Domain Adaptation 発展と動向まとめ(サーベイ資料)
Domain Adaptation 発展と動向まとめ(サーベイ資料)
方策勾配型強化学習の基礎と応用
方策勾配型強化学習の基礎と応用
グラフィカルモデル入門
グラフィカルモデル入門
データサイエンス概論第一=2-1 データ間の距離と類似度
データサイエンス概論第一=2-1 データ間の距離と類似度
最適輸送入門
最適輸送入門
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法
強化学習と逆強化学習を組み合わせた模倣学習
強化学習と逆強化学習を組み合わせた模倣学習
幾何を使った統計のはなし
幾何を使った統計のはなし
[DL輪読会]Reward Augmented Maximum Likelihood for Neural Structured Prediction
[DL輪読会]Reward Augmented Maximum Likelihood for Neural Structured Prediction
POMDP下での強化学習の基礎と応用
POMDP下での強化学習の基礎と応用
深層学習の不確実性 - Uncertainty in Deep Neural Networks -
深層学習の不確実性 - Uncertainty in Deep Neural Networks -
SSII2022 [TS1] Transformerの最前線〜 畳込みニューラルネットワークの先へ 〜
SSII2022 [TS1] Transformerの最前線〜 畳込みニューラルネットワークの先へ 〜
バンディットアルゴリズム入門と実践
バンディットアルゴリズム入門と実践
深層生成モデルと世界モデル(2020/11/20版)
深層生成モデルと世界モデル(2020/11/20版)
[DL輪読会]A System for General In-Hand Object Re-Orientation
[DL輪読会]A System for General In-Hand Object Re-Orientation
Andere mochten auch
Rogyゼミ2014 10
Rogyゼミ2014 10
Naoki Hayashi
ぼくのつくったこうだいさいてんじぶつ
ぼくのつくったこうだいさいてんじぶつ
Naoki Hayashi
Rogyzemi temp
Rogyzemi temp
akatetsu
Rogyゼミスライド6th
Rogyゼミスライド6th
Naoki Hayashi
Rogyzemi
Rogyzemi
Naoki Hayashi
パズルゲーム用ステージの自動生成
パズルゲーム用ステージの自動生成
yskcon
Rogy目覚まし(仮)+おまけ
Rogy目覚まし(仮)+おまけ
Naoki Hayashi
2014年の制作物報告
2014年の制作物報告
uu ymd
151025kawarobo susume 02
151025kawarobo susume 02
武帝 太祖
技名の考え方
技名の考え方
Mahato Endo
Ensemble Kalman Filterを用いたカオス力学系の推定
Ensemble Kalman Filterを用いたカオス力学系の推定
Fumiya Watanabe
ドキ♡ドキ †テクスチャ† 講習会
ドキ♡ドキ †テクスチャ† 講習会
Linea319
151025kawarobo susume 03
151025kawarobo susume 03
武帝 太祖
151025kawarobo susume 01
151025kawarobo susume 01
武帝 太祖
151025kawarobo susume 04
151025kawarobo susume 04
武帝 太祖
Rogyゼミ7thスライドpublic
Rogyゼミ7thスライドpublic
Naoki Hayashi
rogysemi7th
rogysemi7th
shitaro 2012
グローバル理工人材のための今日から使える検索テクニック ―もう日本語でググるのはやめよう
グローバル理工人材のための今日から使える検索テクニック ―もう日本語でググるのはやめよう
Teng Tokoro
小さくて賢いロボット『マイクロマウス』を作ろう!
小さくて賢いロボット『マイクロマウス』を作ろう!
Teng Tokoro
Unityは神,Unrealは現実
Unityは神,Unrealは現実
Linea319
Andere mochten auch
(20)
Rogyゼミ2014 10
Rogyゼミ2014 10
ぼくのつくったこうだいさいてんじぶつ
ぼくのつくったこうだいさいてんじぶつ
Rogyzemi temp
Rogyzemi temp
Rogyゼミスライド6th
Rogyゼミスライド6th
Rogyzemi
Rogyzemi
パズルゲーム用ステージの自動生成
パズルゲーム用ステージの自動生成
Rogy目覚まし(仮)+おまけ
Rogy目覚まし(仮)+おまけ
2014年の制作物報告
2014年の制作物報告
151025kawarobo susume 02
151025kawarobo susume 02
技名の考え方
技名の考え方
Ensemble Kalman Filterを用いたカオス力学系の推定
Ensemble Kalman Filterを用いたカオス力学系の推定
ドキ♡ドキ †テクスチャ† 講習会
ドキ♡ドキ †テクスチャ† 講習会
151025kawarobo susume 03
151025kawarobo susume 03
151025kawarobo susume 01
151025kawarobo susume 01
151025kawarobo susume 04
151025kawarobo susume 04
Rogyゼミ7thスライドpublic
Rogyゼミ7thスライドpublic
rogysemi7th
rogysemi7th
グローバル理工人材のための今日から使える検索テクニック ―もう日本語でググるのはやめよう
グローバル理工人材のための今日から使える検索テクニック ―もう日本語でググるのはやめよう
小さくて賢いロボット『マイクロマウス』を作ろう!
小さくて賢いロボット『マイクロマウス』を作ろう!
Unityは神,Unrealは現実
Unityは神,Unrealは現実
Mehr von Naoki Hayashi
【博士論文発表会】パラメータ制約付き特異モデルの統計的学習理論
【博士論文発表会】パラメータ制約付き特異モデルの統計的学習理論
Naoki Hayashi
【招待講演】パラメータ制約付き行列分解のベイズ汎化誤差解析【StatsML若手シンポ2020】
【招待講演】パラメータ制約付き行列分解のベイズ汎化誤差解析【StatsML若手シンポ2020】
Naoki Hayashi
【学会発表】LDAにおけるベイズ汎化誤差の厳密な漸近形【IBIS2020】
【学会発表】LDAにおけるベイズ汎化誤差の厳密な漸近形【IBIS2020】
Naoki Hayashi
Bayesian Generalization Error and Real Log Canonical Threshold in Non-negativ...
Bayesian Generalization Error and Real Log Canonical Threshold in Non-negativ...
Naoki Hayashi
ベイズ統計学の概論的紹介
ベイズ統計学の概論的紹介
Naoki Hayashi
ベイズ統計学の概論的紹介-old
ベイズ統計学の概論的紹介-old
Naoki Hayashi
修士論文発表:「非負値行列分解における漸近的Bayes汎化誤差」
修士論文発表:「非負値行列分解における漸近的Bayes汎化誤差」
Naoki Hayashi
諸君,じゃんけんに負けたからといって落ち込むことはない.長津田にも飯はある.
諸君,じゃんけんに負けたからといって落ち込むことはない.長津田にも飯はある.
Naoki Hayashi
201803NC
201803NC
Naoki Hayashi
201703NC
201703NC
Naoki Hayashi
IEEESSCI2017-FOCI4-1039
IEEESSCI2017-FOCI4-1039
Naoki Hayashi
201709ibisml
201709ibisml
Naoki Hayashi
すずかけはいいぞ
すずかけはいいぞ
Naoki Hayashi
RPG世界の形状及び距離の幾何学的考察(#rogyconf61)
RPG世界の形状及び距離の幾何学的考察(#rogyconf61)
Naoki Hayashi
RPG世界の形状及び距離の幾何学的考察(rogyconf61)
RPG世界の形状及び距離の幾何学的考察(rogyconf61)
Naoki Hayashi
Mehr von Naoki Hayashi
(15)
【博士論文発表会】パラメータ制約付き特異モデルの統計的学習理論
【博士論文発表会】パラメータ制約付き特異モデルの統計的学習理論
【招待講演】パラメータ制約付き行列分解のベイズ汎化誤差解析【StatsML若手シンポ2020】
【招待講演】パラメータ制約付き行列分解のベイズ汎化誤差解析【StatsML若手シンポ2020】
【学会発表】LDAにおけるベイズ汎化誤差の厳密な漸近形【IBIS2020】
【学会発表】LDAにおけるベイズ汎化誤差の厳密な漸近形【IBIS2020】
Bayesian Generalization Error and Real Log Canonical Threshold in Non-negativ...
Bayesian Generalization Error and Real Log Canonical Threshold in Non-negativ...
ベイズ統計学の概論的紹介
ベイズ統計学の概論的紹介
ベイズ統計学の概論的紹介-old
ベイズ統計学の概論的紹介-old
修士論文発表:「非負値行列分解における漸近的Bayes汎化誤差」
修士論文発表:「非負値行列分解における漸近的Bayes汎化誤差」
諸君,じゃんけんに負けたからといって落ち込むことはない.長津田にも飯はある.
諸君,じゃんけんに負けたからといって落ち込むことはない.長津田にも飯はある.
201803NC
201803NC
201703NC
201703NC
IEEESSCI2017-FOCI4-1039
IEEESSCI2017-FOCI4-1039
201709ibisml
201709ibisml
すずかけはいいぞ
すずかけはいいぞ
RPG世界の形状及び距離の幾何学的考察(#rogyconf61)
RPG世界の形状及び距離の幾何学的考察(#rogyconf61)
RPG世界の形状及び距離の幾何学的考察(rogyconf61)
RPG世界の形状及び距離の幾何学的考察(rogyconf61)
情報統計力学のすすめ
1.
2.
情報統計力学とは?
3.
情報科学統計力学 確率推論 画像処理
信号処理,機械学習…. 磁性体 似ている!! 熱力学
4.
情報科学の確率推論 情報,知識を確率モデルで表し、ベイズの公式を元に推論! ベイズの公式
既知の知識 データから 得られた情報 データの分布 データによって 得られる知識
5.
情報科学の確率推論の難しさ ベイズの公式 既知の知識
データから 得られた情報 データの分布 データによって 得られる知識 既知の知識ってどうする? データ量がメチャクチャ多い! どんな知識も使っていいの? まともに計算出来ない!
6.
そこで物理
7.
既知の知識はどうするの? 物理的に正しい知識(理論)がある データ量がメチャクチャ多い!
まともに計算出来ない! 統計物理は10^23個の粒子を扱ってきた
8.
「情報科学」の問題を 「物理(統計力学)」の知識で解決! 情報統計力学
9.
工大祭では何やったの? 連想記憶(Hopfield模型)
10.
工大祭展示中…… ニックさん、この展示って子供に 理解できないんじゃないっすか(笑)
悔しいがこいつの指摘は正しい
11.
じゃあ、 そもそも連想記憶って?
12.
連想記憶: 「鍵」となる情報から「答」を思い出すこと を目的としたニューラルネットワーク
✌('ω')。o(????????????) ✌ ✌ ✌('ω') ✌ ✌ ✌ なんだこれ……? マンドリル!!!!!!!!!
13.
ニューラルネットワークって?
14.
ニューラルネットワーク: 人間の脳の仕組みっぽいネットワークモデル -
出力がからみ合って伝搬していく - 脳神経科学,情報科学
15.
Hopfield Model って?
16.
統計物理学における「IsingModel」の 相互作用をHebb則にて与えた記憶のモデル (ニューラルネットワークであるとも言える)
17.
Hopfield Model は何が嬉しいの?
厳密な解が出せる(=統計物理の知見) 温度T 連想パターンの比α 強磁性相 想起相 スピングラス相
18.
Hopfield Model を実装してみよう!
19.
プログラムの仕組み 事前準備 枚の白黒埋め込み画像
相互作用 入力画像 (埋め込み画像をノイズ加工したものなど)
20.
プログラムの仕組み 平均場近似による画像推定 逆温度
推定画像からの入力画像推測 オーバーラップ 統計物理で出てくる近似解法を利用
21.
埋め込み画像 比較 平均場近似入力推定画像
22.
結果
23.
6枚の埋め込み画像
24.
ノイズをかけた入力からの復元
25.
手書き図入力からの復元
26.
手書き図入力からの復元
27.
虫穴破損データ入力からの復元(ギリギリ) 似てる
28.
すろさんの描いた入力は下手すぎて復元失敗
29.
参考文献 スピングラス理論と情報統計力学著:西森秀稔岩波書店
Jetzt herunterladen