Ceek.jp Altmetrics (α ver.)
  1. ホーム
  2. Twitter
  3. 特別ツラたん員

特別ツラたん員 (@yang_wangji)

投稿一覧（最新100件）

21 0 0 0 OA 少量のデータに対する機械学習

小データ関連だと赤穂先生の以下の記事も好き

12 0 0 0 OA A NEW STOCHASTIC LEARNING ALGORITHM FOR NEURAL NETWORKS

RT @kashi_pong: backpropagationしないニューラルネットワーク学習法（2000） https://t.co/F84AWz80C4

266 0 0 0 OA 応用数理の遊歩道(26) : 情報幾何の生い立ち

RT @sosuke110: 甘利さんの「情報幾何の生い立ち」 https://t.co/dpyiWlrUkd における 5. 大型プロジェクト研究と個人の創意 の章を読もう

23 0 0 0 OA 私の国際交流ノート (15) -英語論文の書き方ノート

RT @ykamit: 私の国際交流ノート(15) : 英語論文の書き方ノート　https://t.co/u3GfEPpIUB　「良い英語論文(日本語 論文でも)を書くためには,「文章構成 (organization)」と「パラグラフ (paragraph)」の概念が 最重要」

883 0 0 0 OA 深層ニューラルネットの積分表現理論

RT @ogawa_tter: "深層ニューラルネットの積分表現理論"、園田 翔、博士論文、2017年2月、早稲田大学 https://t.co/MCIyuOs36X 「深層ニューラルネットの中で何が起きているのか，なぜ深層にした方が良いのかという問題に対して」 https:/…

6 0 0 0 OA 特集「国内人工知能研究拠点紹介」

RT @next49: 無料ダウンロードできるのか。素晴らしい → 人工知能, Vol. 31, No. 3, 2016年5月号, 特集「国内人工知能研究拠点紹介」 https://t.co/WvKDS1pmug

3 0 0 0 OA マイクロブログ上の告知投稿に対する非明示的な関連投稿の収集

RT @ceekz: マイクロブログ上の告知投稿に対する非明示的な関連投稿の収集 http://t.co/SLm7Cofx3D

1 0 0 0 ベイジアンネットワークを用いた株価予測について

@wonder_yo http://t.co/9VdUjREN ベイジアンネットワークを用いた株価予測について 参考までに

4 0 0 0 OA インターネット株式掲示板の投稿内容分析に基づくファクターモデルの構築

@wonder_yo 多分今日学会かなんかあるのかな？これも一応 インターネット株式掲示板の投稿内容分析に基づくファクターモデルの構築 https://kaigi.org/jsai/webprogram/2011/paper-452.html

2 0 0 0 OA ニュース記事クラスタリングによる取引高予測の試み

@wonder_yo いえいえ.もう一個 ニュース記事クラスタリングによる取引高予測の試み https://kaigi.org/jsai/webprogram/2011/paper-82.html #jsai2011

5 0 0 0 OA テキスト分析による業種別平均株価の動向推定

@wonder_yo 参考までに テキスト分析による業種別平均株価の動向推定 https://kaigi.org/jsai/webprogram/2011/paper-155.html

お気に入り一覧（最新100件）

7 0 0 0 グラフ信号処理における数理モデリングと深層学習の融合技術

「計測と制御」の特集「計測における信号処理技術の新展開とその応用」に @KokiYamada6 との共著で "グラフ信号処理における数理モデリングと深層学習の融合技術" という解説を寄稿しました〜． https://t.co/3HAwLu016i

6 0 0 0 OA 1940年代, 50年代の日本の微分幾何

1940年代, 50年代の日本の微分幾何　https://t.co/yfdJMla64c

283 0 0 0 OA ストップウォッチを用いた50 m 走タイム手動計測における系統誤差・偶然誤差の定量

統計誤差と系統誤差の違いを説明するのにわかりやすい例を教えてもらった: ストップウォッチを用いた50 m走タイム手動計測における系統誤差・偶然誤差の定量 https://t.co/etg5kdqUh3 50m走タイム手動計測の系統誤差は-0.27秒もあるんだ

188 0 0 0 OA 第一回:連続信号と離散信号

「 （現代では）フーリエ変換はもはや積分では定義されず，（急減少関数列の各項に対するフーリエ変換の関数列）$\hat x_n$の収束先として間接的に定義されている」https://t.co/NIWL406loO

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

これと鈴木先生の汎化解析の解説論文（https://t.co/dR4QpqB7hL）はいろんなところでおすすめしている https://t.co/c3YAp4ptjk

17 0 0 0 OA 統計的因果推論入門: 関連が因果となる条件

統計的因果推論入門: 関連が因果となる条件 大久保 将貴 https://t.co/Cq09JwMsuT

39 0 0 0 OA LASSOに対するSURE理論に基づく情報量規準

LASSOの正則化パラメータの選択には SURE（Stein's Unbiased Risk Estimate）から導出されるAICを使いましょう，という二宮さんからのメッセージ。 数値例やAICの導出もあって分かりやすい。 https://t.co/HlRa27ZSgR

34 0 0 0 OA 動的モード分解の概要と活用法―神経システムの制御問題への応用を目指して―

私の研究室の神谷俊輔さん@mathmrk_neusci と執筆した「動的モード分解の概要と活用法―神経システムの制御問題への応用を目指して」という解説記事が神経回路学会誌に公開されています。我々も検討し始めて間もないトピックです。皆さまよりご意見いただけますと幸いです。 https://t.co/iLDwwI929o

1 0 0 0 OA Helmer, S., Measuring the structural similarity of semistructured documents using entropy(情報の似ている度合いを圧縮プログラムで計測), Proc. 33rd International Conference on Very Large Data Bases, pp.1022-1032, 2007

@sleepy_yoshi こういうのですか？（自分が NAIST の学生の頃見た気がするので、確かに2005-2010くらいのことだと思うのですが） https://t.co/FpOg08NcTT

9 0 0 0 OA 特集「物理学とAI」にあたって

人工知能 33巻4号（2018年7月）特集「物理学とAI」にあたって https://t.co/H2Z5to0jVk… https://t.co/3AsYcDBxKn https://t.co/4XAfK5gQnd

57 0 0 0 OA 第二回:離散フーリエ変換

信号の長さが2の冪乗でないときは、ゼロ詰めすべきという常識は、MATLABでは通用しません。ゼロ詰で生ずる副作用は実は大問題なので、そのままFFTを使うべきです。@yatabe_ さんの以下の記事を参照して下さい。最近の研究では、離散フーリエ変換の美味しさを堪能しています。 https://t.co/pRrp0aEMmX https://t.co/GXBVp99o8I

18 0 0 0 OA アーティクル:「AI 哲学マップ」[総論・後編]七つの哲学—人工知能コラボレーション

人工知能学会「人工知能」 AI哲学マップ 全15回に渡る最終回となります。ご高覧ありがとうございました。 アーティクル:「AI 哲学マップ」［総論・後編］七つの哲学—人工知能コラボレーション https://t.co/ip3DE5qe0t

202 0 0 0 OA 研究者の理想と現実

鳶巣 守「研究者の理想と現実」 https://t.co/Vu0zhqo98m 化学の第一線で活躍されている鳶巣先生だけれど、今に至るまでには理想の研究者像とのギャップに悩んだことも多くあったようだ。その時の気持ちが記されている。 「博士進学に興味があったのは、研究が三度の飯より好きだったからではなく、

1 0 0 0 OA パターン認識の理論

50年以上前 / パターン認識の理論 https://t.co/Kav05ZzufW

10 0 0 0 OA 潜在交絡変数が存在する場合のベイズ的アプローチによる非ガウス因果構造推定法

LiNGAMにベイズ的なアプローチを掛け合わせた因果構造の推定手法に関するサーベイ。因果推論関連のタスクはLiNGAMに限らず未観測の交絡変数がネックとなりがちですが、うまく事前分布とパラメータを設定できれば未観測要因が存在しても正しく因果構造を推定できるっぽい。 https://t.co/blT2qRzBzQ

16 0 0 0 OA 意味から逃げるな

もがき苦しんで書きました。 https://t.co/cxQiSIca7X

9 0 0 0 OA 機械学習のための関数解析入門–ヒルベルト空間とカーネル法

これはうれしい！ J-STAGE Articles - 機械学習のための関数解析入門–ヒルベルト空間とカーネル法 https://t.co/PksG7PBQQy

552 0 0 0 OA アーティクル:「AI 哲学マップ」[総論・中編]人工知能—哲学対応マップ

三宅陽一郎さんらがまとめたAI哲学マップすばらしい。 年代別に主要な哲学思想とそれらのAI領域への示唆が図解とともにまとめられていて、とても勉強になる。 https://t.co/DRPYtH7Pdw https://t.co/NyCRFIy5B0

552 0 0 0 OA アーティクル:「AI 哲学マップ」[総論・中編]人工知能—哲学対応マップ

人工知能学会「AI 哲学マップ」 （人工知能—哲学対応マップ） 公開しました。 https://t.co/bexhDJbl9x お楽しみください。

248 0 0 0 OA 因果推論の道具箱

因果推論についての総復習のような論文。 https://t.co/KaoZqL8e2B

12 0 0 0 OA A NEW STOCHASTIC LEARNING ALGORITHM FOR NEURAL NETWORKS

backpropagationしないニューラルネットワーク学習法（2000） https://t.co/F84AWz80C4

53 0 0 0 OA シングルセル解析の動向と展望

シングルセル解析の基本事項がまとめられた日本語で読める直近の総説です。 https://t.co/bDOAWmKx4T

9 0 0 0 OA 幾何学的深層科学技術計算 深層学習による物理モデリング・シミュレーション

『応用物理』に最近の研究をまとめた研究紹介“幾何学的深層科学技術計算”が掲載されました． https://t.co/1bnw0zcADY

229 0 0 0 OA 《PID制御》第11回: PID制御の歴史

PID制御おじいちゃんが今年なんと生誕100周年であるという事実に今更気付く。みんな祝え！チューニングしろ、すばやく静定させろ！（計測と制御の解説記事「PID制御の歴史」より） https://t.co/nlBCcXCf08 https://t.co/xLVJLzWIso

248 0 0 0 OA 因果推論の道具箱

因果推論の道具箱（大久保） 従来の因果推論手法の概要と近年の因果推論のトレンドが簡潔かつ体系的にまとめられていて非常に読みやすかった。 https://t.co/9BRVQvvRxg

15 0 0 0 OA 行列・テンソル分解によるヘテロバイオデータ統合解析の数理 ―第3回 テンソル分解―

総説1篇目は、理研・露崎さんによる「行列・テンソル分解によるヘテロバイオデータ統合解析の数理―第3回 テンソル分解―」です。今回からついに皆様お待ちかねのテンソル分解です！本連載を読まれたことがない方はぜひ第1回からお楽しみください。https://t.co/1wz8JuBs6m

3 0 0 0 OA SNP欠損を考慮したSNP-GWASにおける高速なスコア検定法と実データへの適用

Cox回帰だけでなくロジスティックでも高次元・高速スコア検定使うのか。いま書いている、高次元生存木論文の参考文献として入れておいた。 https://t.co/fh7tAkLE31

1 0 0 0 OA 会議報告:Neural Information Processing Systems(NeurIPS)2021

J-STAGE Articles - 会議報告：Neural Information Processing Systems（NeurIPS）2021 https://t.co/k94HuuRMMB 面白い．

55 0 0 0 OA 私のブックマーク:不均衡データ分類

今月の人工知能学会誌の私のブックマークの特集が「不均衡データ分類」で、応用例・解説・手法のリンク集になっていた 大崎美穂. 2022. “私のブックマーク：不均衡データ分類.” 人工知能 37 (3): 376–81. https://t.co/fCFKZKls9K

143 0 0 0 OA 制御工学者のための強化学習入門

京大加嶋先生et al.のこの強化学習の解説はすばらしい。 https://t.co/jXLQHjFIKh 既存の強化学習の解説の大半は、たぶんゲームとかの応用が頭に入っている人はいいのかもしれないけど、ゲーマーじゃないおれには理解不能だった。こういう風にズバっと問題設定を言ってほしかった。さすが。

1 0 0 0 OA スペクトル解析と最大エントロピー法

スペクトル解析と最大エントロピー法 https://t.co/EdeSNBSuST

28 0 0 0 OA レクチャーシリーズ:「人工知能の今」〔第5 回〕機械学習分野の俯瞰と展望

.@kashi_pong さんと共著のAI学会誌の記事「レクチャーシリーズ：「人工知能の今」〔第5 回〕機械学習分野の俯瞰と展望」 https://t.co/3j0HzdOMy6 が会員でなくても無料で参照できるようになりました Suttonさんの The Bitter Lesson に始まる議論などを紹介しています

41 0 0 0 OA 深層学習と人工知能

今朝松尾さんの「深層学習と人工知能」という解説特集の記事を見つけて、なるほどなあと思ったりして反省した。自分は自然言語処理が専門なのに、この記事の後半半分に当たるような話、あまりよく考えてなかった。読んでみるとよいと思う。 https://t.co/gnhgvjwnXQ

2 0 0 0 OA 特集:「企業における研究開発部門の役割と創出価値」エディトリアル:企業における研究開発部門の役割と創出価値

企業が研究部門を持つ意義について調べてたら、まさにそのものな人工知能学会誌の特集があった。 J-STAGE Articles - 特集：「企業における研究開発部門の役割と創出価値」エディトリアル：企業における研究開発部門の役割と創出価値 https://t.co/n6L1dCMY9t

29 0 0 0 OA 現実の説明と制御:社会科学における機械学習

組織科学に最近書いた論文のpdfが公開されていました！自分の勉強のために社会科学への機械学習の活用方法を整理してみたものなのですが、専門家が見たら怒られるかも笑https://t.co/wKEuXYaIYx

50 0 0 0 OA 人の心に似た機械を設計できるか

@maruyama ツイートのリンクがなぜか404でした…こちらでしょうか？ https://t.co/PY8NaJroy0

10 0 0 0 OA 機械学習・データマイニングにおける公平性

@h_okumura 拙作を含め幾つか資料がございます https://t.co/QoCwMxDYDG このような解説も執筆いたしました https://t.co/N0QD7qq7v4 ご関心があればご覧ください

2 0 0 0 OA 曲率 -20世紀までとその後?-

曲率 -20世紀までとその後?- https://t.co/QmcM9qwXgy

3 0 0 0 OA 機械学習の主なパラダイムと現状 (<パネル討論>「機械学習の理論と実際」)

91年はこんな雰囲気だったらしい（https://t.co/CD0K9R33vm） https://t.co/36WAY7B1yF

436 0 0 0 OA 私の論文が採録されないのはどう考えても編集委員会が悪い!

とりとり ⁦@toritorix⁩ 先生の人工知能学会誌記事。タイトルw 私の論文が採録されないのはどう考えても編集委員会が悪い！ https://t.co/9Z3qhNa4SK

14 0 0 0 OA 統計家の役割:これまでとこれから

岩崎学先生の統計学会会長就任の寄稿論文を楽しく読んだ。いくつか抜き出す。 ・かつての数学会（統計数学分科会）は戦場。竹内啓，渋谷政昭による鋭いコメントが飛んできた。 ・竹内啓「数理統計学」（1963，東洋経済）は彼が３０歳のときの本。 https://t.co/hp9yaHjHUh

3 0 0 0 OA 能動学習:問題設定と最近の話題

オープンアクセス / 能動学習：問題設定と最近の話題 日野 英逸 https://t.co/wrl4otR8GP

15 0 0 0 OA ニューラルネットの関数解析的方法と無限次元零空間

オープンアクセス / ニューラルネットの関数解析的方法と無限次元零空間 園田 翔 https://t.co/rIjdjm55SE

38 0 0 0 OA 機械翻訳

1962年に書かれた「機械翻訳」についての記事を発見‼️ #n年前の情報処理 当時の課題と、模索されていたアプローチ、必要な基礎知識が詳しく解説されている……

1273 0 0 0 OA 接触による力学的反応を自動生成するアバター

アバターの論文が掲載されました！ 物理エンジンを用いてアバター同士の貫通を防ぐ研究です ダウンロードは有料です。ご興味あれば、ぜひ！ https://t.co/e5tXEjP8Nh #情報処理学会 #VRoid https://t.co/sRD1OMCGSr

4 0 0 0 OA ハイパースペクトルイメージングと最適化 ―復元と合成―

小野が執筆した最適化に基づくハイパースペクトルイメージング技術に関する解説記事（和文）が出版されました。 https://t.co/yysaLLS3Fo 最適化の詳細には立ち入らずに定式化のお気持ちを説明したものになっています。
.@ai_gakkai 倫理委員会， @mlse_jssst ， @ibisml 共催の「機械学習と公平性に関するシンポジウム」 https://t.co/yMfjwAX9OY の会議報告が人工知能学会の会誌に掲載されました https://t.co/oED6rZlu0w

4 0 0 0 頑健性をもった機械学習

今月の人工知能学会誌にAdversarial Robustnessの和文解説があってありがたい。counterfactual explanationでのいろいろな工夫を考えるためにも、攻撃側のアルゴリズムに関するアイデアの動向は追いかけたい（できてないけど） https://t.co/9TSzwNxEWt

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

@physics303 pdf直リンクですが、@btreetaiji先生の解説論文がその内容を扱っています https://t.co/18P25RlLjH

9 0 0 0 OA 機械学習における説明可能性・公平性・安全性への工学的取り組み

本日は #jsai2019 企画セッション「機械学習における説明可能性・公平性・安全性への工学的取り組み」にてお話をさせていただきます．ご関心のある方はおいで下さい． https://t.co/Hhm2o5KhNA https://t.co/qu1nBlWfO2

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

鈴木大慈先生 @btreetaiji によるガウス過程回帰の汎化誤差解析の解説．ガウス過程の性質はそれに対応する再生核ヒルベルト空間（RKHS）の構造が定めることを紹介．RKHSの複雑さ（単位球の「被覆数」で測る）がガウス過程回帰の汎化誤差を決定する.『システム制御情報学会誌』 https://t.co/GJ41kS87au https://t.co/7KtIAS3K58

20 0 0 0 OA リーマン多様体上の最適化の理論と応用

リーマン多様体上の最適化は何度か使っているし、去年応用数理に出た https://t.co/Ct6CoT9XIg もだいたい抑えてるつもりだけど、これリーマン多様体をそこまで強調せんでも……と言う気持ちがある。

7 0 0 0 トピックモデルを用いたがんゲノムの変異シグネチャー解析

@hamada_lab 浜田研の松谷さん、これで卒研レベルとは末恐ろしい。 トピックモデルを用いたがんゲノムの変異シグネチャー解析 松谷 太郎 , 宇恵野 雄貴 , 福永 津嵩 , 浜田 道昭 https://t.co/W7nFY3AAIq 発表はこれより先に進んでいた...

6 0 0 0 IR <特集:モデル> フォン・ノイマンとマカロック‐ピッツ・モデル : オートマトン理論の誕生

マカラック・ピッツモデルってニューラルネットの起源と言われるやつなんだけど、ピッツはカルナップに論理学を教わり、原論文の論理式はプリンキピアマセマティカの記法らしい。 https://t.co/4m5mmUhXAD

2 0 0 0 OA Gaussian-Bernoulli RBMにおける最尤学習を効率化する直交制約

Gaussian-Bernoulli RBM における最尤学習を効率化する直交制約 / 直交制約でモデルの分布の隠れ変数間を独立にする． https://t.co/up7fgY0pMR

27 0 0 0 AICとMDLとBIC

#数楽 このツイートの返答連鎖に"AIC vs. BIC"の件についての情報をまとめておく。 https://t.co/WJVBek5s07 赤池弘次、AICとMDLとBIC、1996 【G. Schwarz～論文～BICはAICを否定するものとの誤解が広まることとなった】

46 0 0 0 OA 自然勾配学習法-学習空間の幾何学

Natural Gradients and Stochastic Variational Inference https://t.co/M279spKzwu 自然勾配のすばらしい解説．甘利先生のこれもhttps://t.co/8LrtyzC1CI

8 0 0 0 ディープラーニングによるパターン認識

DNNの構成変更と、SVMでの新たなカーネル関数の導入って、よく似ているなあと気になっていたのですが、ちゃんと「その2つは似ているけど、ここが違うよ」と書いてくれている解説論文 https://t.co/UmODPuWl6K を見つけて、勘違いじゃなかったとほっと一安心。

4 0 0 0 Deep Learningの実装と現状

今月号の情報処理のDeep Learningの実装と現状にChainerがまったく触れられていませんね・・・ https://t.co/CMoexeMc7C

421 0 0 0 Perfumeのダンスはなぜ難しいのか?-多変量ヒルベルトーファン変換によるモーション解析

Dance Motion Analyses of Perfume using Hilbert-Huang Transform -  Perfumeのダンスはなぜ難しいのか?- http://t.co/fhQZgjqAvC @kcimc @mikiko_san #prfm

22 0 0 0 OA いまさら聞けない! コンピュータの数学:3. 機械学習のための数学

http://t.co/RZn2yGLPGa 「いまさら聞けない! コンピュータの数学：3. 機械学習のための数学」杉山 将, 鈴木 大慈, 情報処理, Vol.56, No.5, pp.442-447 (2015-04-15)：4年生に．．．と思ったら4年生には難しすぎた．．．

22 0 0 0 OA 「情報」に関する13章 : 私家版・情報学入門

「情報」に関する13章（伊庭幸人）pdf http://t.co/RcGvN0HKTW 伊庭さんの文調はとても好きやなあ…軽快で明快。

1 0 0 0 Creating Stories from Socially Curated Microblog Messages

Creating stories from socially curated microblog messages http://t.co/ECx2bvXOQ0

3 0 0 0 OA 災害情報の分類の妥当性の評価

ネットワークを考慮したTweetのクラスタリング． 言語的にはまったく無関係なTweetを，精度良く分類可能． https://t.co/HSExvH38Kt #jsai2014 #chidri

4 0 0 0 OA 簡潔データ構造を用いた高速かつ省メモリな木カーネルの学習

読んでる。　/　"簡潔データ構造を用いた高速かつ省メモリな木カーネルの学習"　https://t.co/hL0tmSCJGN

9 0 0 0 ソーシャルセンサとしてのTwitter : ソーシャルセンサは物理センサを凌駕するか?(<特集>Twitterとソーシャルメディア)

マイクロブログ研究に関しては、奥村先生の「マイクロブログマイニングの現在」 http://t.co/RWAcSqVAEo と @tksakaki さんの「ソーシャルセンサとしてのTwitter」 http://t.co/XOrhg1F5lU をとりあえず読めば良いと思う。

20 0 0 0 OA Computational Models of Human Visual Attention and Their Implementations: A Survey

Our survey paper about computational model of human visual attention freely available at KURENAI, Kyoto Univ Repos http://t.co/kZ8ZwfLqQW

2 0 0 0 OA Designing Various Multivariate Analysis at Will via Generalized Pairwise Expression

Our paper "Designing Various Multivariate Analysis at Will via Generalized Pairwise Expression" also published http://t.co/OcEMfAYAz2

1 0 0 0 OA SemiCCA: Efficient Semi-supervised Learning of Canonical Correlations

Our paper "SemiCCA: Efficient Semi-supervised Learning of Canonical Correlations" just published in IPSJ Trans TOM http://t.co/jecEUcFRnp

1 0 0 0 サポートベクトルマシンを用いた中国語解析実験

平均文長や平均単語長のように「平均形態素長」という用語を使っている論文を見つけた　＞　吉田辰巳・大竹清敬・山本和英（2003）「サポートベクトルマシンを用いた中国語解析実験」『自然言語処理』10(1), 109-131. http://t.co/E3N54k8xVE

2 0 0 0 統計的指標を利用した特徴語抽出に関する研究

「統計的指標を利用した特徴語抽出に関する研究」という論文 http://t.co/XlRHRjdX では、ダイス係数、対数尤度比、イエーツの補正公式、自己相互情報量などを使っているけど、元になっている値はやはり頻度。

4 0 0 0 OA 潜在トピックを考慮したBayes n-gram言語モデル

ざっと目を通したけど、こりゃー、ブレイクスルーだなー。特に、表3は感動する。 https://t.co/3MsYdMq0

4 0 0 0 OA 潜在トピックを考慮したBayes n-gram言語モデル

あとで読む。 / 潜在トピックを考慮したBayes n-gram言語モデル http://t.co/hjWeyPe1

3 0 0 0 OA 新聞記事のテキストマイニングによる長期市場動向の分析

4E1-OS-15-4 蔵本貴久: 新聞記事のテキストマイニングによる長期市場動向の分析 https://t.co/yLsXtpCn #jsai2012 #sig_fin

7 0 0 0 OA 出現頻度と連接頻度に基づく専門用語抽出

出現頻度と連接頻度に基づく専門用語抽出 / 中川, 湯本, 森: https://t.co/EgjToYry

3 0 0 0 OA 文字クラスモデルによる日本語単語分割

文字クラスモデルによる日本語単語分割 / 小田, 森, 北: https://t.co/lmkNkZtq …なるほど、アイディア自体は10年以上前からあったのか。

1 0 0 0 バイオインフォマティックスから自然言語処理へ : パタン認識技術の新しい地平

前田英作（2002）「バイオインフォマティックスから自然言語処理へ : パタン認識技術の新しい地平」　http://t.co/VloxRkwy

4 0 0 0 OA ウェブページ内の階層構造を考慮した本文抽出技術

3F3-5 藤田 ウェブページ内の階層構造を考慮した本文抽出技術 https://kaigi.org/jsai/webprogram/2011/paper-40.html #jsai2011

3 0 0 0 OA 潜在トピックの類似度に基づくトピック追跡への取り組み

3F3-2 芹澤 潜在トピックの類似度に基づくトピック追跡への取り組み https://kaigi.org/jsai/webprogram/2011/paper-143.html #jsai2011

4 0 0 0 OA インターネット株式掲示板の投稿内容分析に基づくファクターモデルの構築

2H1-OS18-8in 諏訪 インターネット株式掲示板の投稿内容分析に基づくファクターモデルの構築 https://kaigi.org/jsai/webprogram/2011/paper-452.html #jsai2011

2 0 0 0 OA ニュース記事クラスタリングによる取引高予測の試み

2H1-OS18-7 吉田 ニュース記事クラスタリングによる取引高予測の試み https://kaigi.org/jsai/webprogram/2011/paper-82.html #jsai2011

5 0 0 0 OA テキスト分析による業種別平均株価の動向推定

2H1-OS18-6 和泉 テキスト分析による業種別平均株価の動向推定 https://kaigi.org/jsai/webprogram/2011/paper-155.html #jsai2011

フォロー（1069ユーザ）の投稿一覧（直近7日間）

フォロワー（790ユーザ）の投稿一覧（直近7日間）