Ceek.jp Altmetrics (α ver.)
文献ランキング
合計
1ヶ月間
1週間
1日間
文献カレンダー
新着文献
すべて
2 Users
5 Users
10 Users
新着投稿
Yahoo!知恵袋
レファレンス協同データベース
教えて!goo
はてなブックマーク
OKWave
Twitter
Wikipedia
検索
ウェブ検索
ニュース検索
ホーム
Twitter
worldblue
worldblue (
@worldblue0214
)
投稿
お気に入り
フォロー
フォロワー
投稿一覧(最新100件)
1
0
0
0
OA
スパース推定における選択的推論
@nan_bayesstat ワイもやるぞ! https://t.co/UbmQZkMbHn
2
0
0
0
OA
ダイバージェンスによる統計的推論
@tmaehara @allowfirm 密度推定に使えるかは分からないですが、回帰の問題ではガンマダイバージェンスが使えると思います https://t.co/1nNnnEqXaM https://t.co/ReUurYMJRi
2
0
0
0
OA
よい意思決定とは何か ―楠見論文へのコメント―
読んだ https://t.co/OV9DJwHwyy
10
0
0
0
OA
制御理論における数学 第8回: 微分幾何-接続-
RT @hiroki_f: ここまで高度な話をするつもりはないけど、この接続の解説はコンパクトだな。 https://t.co/iqoGMXlFdJ
4
0
0
0
OA
私のブックマーク:人工知能と公平性
いつの間に 私のブックマーク:人工知能と公平性 https://t.co/yUMppJ4euO
28
0
0
0
OA
稀な事象の生起確率に関する統計的推測 —Rule of Threeとその周辺—
知らなかった <稀な事象の生起確率に関する統計的推測> https://t.co/5qdFzCjjTT
74
0
0
0
OA
深層学習の原理解析:汎化誤差の側面から
@hayashiyus ランジュバンの解説ありました https://t.co/R8hggQu47X https://t.co/y45S9y4ZcF https://t.co/w2R8GP6nB6 https://t.co/cl5f0UQj8c 深層学習の汎化の概論 https://t.co/j1VPLe6wX4
3
0
0
0
OA
数理統計学について : ある逆説
@kenmcalinn この資料だとラドンニコディムの定理が使えない状況に思って、現実的にあるのかと思い質問しました。 https://t.co/4Imi3eJsXd
3
0
0
0
OA
数理統計学について : ある逆説
ラドン・ニコディムの話だった https://t.co/4Imi3eJsXd
7
0
0
0
OA
《第11回》リスク考慮型強化学習
@masakat0 こういった内容でしょうか https://t.co/mXAftjp5J3
7
0
0
0
OA
《第11回》リスク考慮型強化学習
@ML_deep @kenmcalinn ベイズが使われているのはエピソードが1回のバンディットと逆強化学習あたりで、報酬の分布予測には分位回帰、分散推定、分布ベルマン方程式あたりが使われていると思います。 強化学習はベルマン方程式が肝でエピソードを沢山行って不確実性を回避してると思います。 https://t.co/mXAftjp5J3
7
0
0
0
OA
《第11回》リスク考慮型強化学習
@PSXase5 @kyow_QQ 金融への応用などでリスク考慮型強化学習が考えられてますね。 https://t.co/cud9Zq9V5m
5
0
0
0
OA
因果性の学習と推論における因果ベイズネットについて
これは勉強になる https://t.co/iHRW95o5Hl
355
0
0
0
OA
エントロピーとモデルの尤度(<講座>物理学周辺の確率統計)
黒木玄さんが何度もツイートされているので大変恐縮ですが、本当に為になるので私も紹介させていただきます。 エントロピーとモデルの尤度 赤池弘次 https://t.co/SNIFonWQId
53
0
0
0
OA
ベイズファクターによる心理学的仮説・モデルの評価
RT @ohkubo_yusaku: (いわゆる”ベイズ=信念解釈”に異論があることを抜きにしても)ベイズファクターに様々な弱点があることはよく知られているので、下記の和文解説の方がフェアだと思う https://t.co/5dchyxRXuq
64
0
0
0
OA
再生核ヒルベルト空間の理論によるガウス過程回帰の汎化誤差解析
再生核ヒルベルト空間とガウス過程 https://t.co/3x1ZnoxIrv
3
0
0
0
OA
Bayesian lassoによるスパース回帰モデリング
@Miki15592462 ベイズだとどうですか? https://t.co/NXkPukvNr0
8
0
0
0
OA
確率分布間の距離推定 : 機械学習分野における最新動向(サーベイ,<特集>機械学習研究部会)
密度比推定 https://t.co/D5N7IW3WjC 確率分布の距離推定 https://t.co/gE3zyjoQae
61
0
0
0
OA
医学における因果推論 第一部 ―研究と実践での議論を明瞭にするための反事実モデル―
RT @koro485: 反事実モデルを日本語で学ぶ、となるとまずアクセスしやすいのがこちら。岡大えつーじ先生による解説。 https://t.co/3cIdd4XorU
お気に入り一覧(最新100件)
15
0
0
0
OA
ベイズ流決定理論を用いる臨床試験:効用とサンプルサイズ設計
あとで読もう。https://t.co/yLu0Vl3KUa
5
0
0
0
OA
主観的期待効用理論の展開(<特集>意思決定)
大変分かりやすく参考になった。 主観的期待効用理論の展開 https://t.co/5YBvNz5Txu
2
0
0
0
OA
Accelerating LiNGAM Causal Discovery with Massive Parallel Execution on Supercomputer Fugaku
「富嶽でも因果探索」みたいな感じかしらん Accelerating LiNGAM Causal Discovery with Massive Parallel Execution on Supercomputer Fugaku Matsuda, Kurihara, Kawakami, Yamazaki, Yamada, Tabaru, and Yokoyama https://t.co/5HFENSQcdJ
50
0
0
0
OA
Budapest Open Access Initiativeの思想的背景とその受容
「疑似科学は自らが誤っている可能性についてのテストを考案できないか,ないしは,自らが誤っている可能性を認めず,常にアドホックな言い逃れによって理論の延命を図るという」 出典:https://t.co/6qvUD9tNXi https://t.co/bYs4JYHOAo
4
0
0
0
OA
エビデンスに基づく政策立案 : 我が国におけるEBPM
日本におけるEBPMの展開と米英の取組みをコンパクトに知りたいとするならこの論文。見通しが一気によくなる。 https://t.co/juLrAwQ1aQ
29
0
0
0
OA
スペクトル幾何学とグラフ理論
ラプラシアンの固有値問題と有限要素法,グラフ理論には関係があるみたい
3
0
0
0
OA
変わりゆく機械学習と変わらない機械学習
@matsui_kota @hanabusa_suguru 私自身は https://t.co/p1b4l4YBvd の3.2節,図4のような説明をしています
307
0
0
0
OA
心理学的研究における重回帰分析の適用に関わる諸問題
“論文のほとんども,明確さは論文によって異なるものの,因果関係の探究が目的”(中略)”当然のことながら,データが示している独立変数と従属変数の間の関係が予測にとって有用であるからといって「独立変数 →従属変数」の方向での因果関係の存在が示されたことにはならない” https://t.co/qGq8aSELpS
2059
0
0
0
OA
映像コンテンツの高速提示による学習効果の分析
長濱・森田(2017)によれば「2倍速でも学習効果は変わらない」とのことです。https://t.co/1TScbrX26C https://t.co/ZC4AsMnyWD https://t.co/WNTgSyXx7B
107
0
0
0
OA
数学論文の書き方(英語編)
小林昭七先生による「数学論文の書き方(英語編)」 https://t.co/MOwFglbsGQ 冠詞の使い方など、勉強になりました。辞書を引く大切さも。 学生の頃、検索ヒット数で英語を調べていたら 「辞書を引きなさい。多数決で正しさを決めるのは科学者の態度ではない」 と叱られたことを思い出しました。
3
0
0
0
OA
研究における「問い」を見出すには
研究における「問い」を見出すには https://t.co/9ZUue7HOtT
2
0
0
0
OA
確率分布の特徴づけとその安定性
確率分布 の特徴づけ とその安定性 https://t.co/1zhC4C0b0I
25
0
0
0
OA
Understanding Marginal Structural Models for Time-Varying Exposures: Pitfalls and Tips
The final published version is now available! https://t.co/6uE46hG8Up https://t.co/ZeEmWGdGie https://t.co/Y1tDR6TRDI
5
0
0
0
スパース局所線形モデルのニューラル生成器
DNNの解釈をDNNで行う手法、LIMEやSHAPの数百倍の早さで計算できるそう、セッション中は時間なくてMNISTでの結果紹介だったので、文章分類問題とかで結果が見れたら面白そう https://t.co/9cVGKKLYcJ https://t.co/21QHSFRHWO #JSAI2020
14
0
0
0
OA
再生核ヒルベルト空間から眺める標本化定理
『再生核ヒルベルト空間から眺める標本化定理』https://t.co/kegKoxOdzM
フォロー(718ユーザ)の投稿一覧(直近7日間)
フォロワー(273ユーザ)の投稿一覧(直近7日間)