エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
ここにツイート内容が記載されます https://b.hatena.ne.jp/URLはspanで囲んでください
Twitterで共有ONにすると、次回以降このダイアログを飛ばしてTwitterに遷移します
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
はじめに ニューラルネットを使ったセミパラメトリックな密度推定の手法を考案しました。 Chainerによる... はじめに ニューラルネットを使ったセミパラメトリックな密度推定の手法を考案しました。 Chainerによる実装(github) 確率密度関数 $f(x)=P(X=x)$ を直接ニューラルネットで学習しようとしても、 $$ \int_{-\infty}^{\infty}f(x)dx=1 $$ を満たすような制約を与えることは困難です。 しかし、累積分布関数 $F(x) = P(X \leq x)$ について考えると満たすべき制約は、 であり、このうち単調増加性についてはその制約を満たすニューラルネットモデルが存在します。 Monotonic Networks, J.Sill (NIPS 1997) 今回はこのモデルをベースに、$F(x)$ を直接ニューラルネットに学習させてみました。 一次元の確率変数の場合 確率変数$ X $の観測データ$ \lbrace x_1, ...,x_N \rbr