書名で キーワードで

詳細検索 >>

HOME  > 情報工学  / マルチメディア  / 画像認識・パターン認識  > 入門 パターン認識と機械学習

書籍詳細

  入門 パターン認識と機械学習

▼ 目次を読む

▼ 目次をたたむ

後藤正幸 早大教授 博士(工学) 著

小林学 湘南工科大教授 博士(工学) 著

… 著者ホームページです

発行年月日:2014/04/30 , 判 型: A5,  ページ数:256頁

ISBN:978-4-339-02479-1,  定 価:3,456円 (本体3,200円+税)

初学者が一通りのパターン認識と統計的学習の基礎について学ぶことができるよう,基礎的な内容に絞って記した。パターン認識の方法を実装し,実際のデータを分析し,手法を改良できるよう,WebでC言語プログラムを公開した。

書籍中の問題の解答,補足説明,プログラム,正誤箇所等を公開しています。

【目次】

1. パターン認識と統計的学習の概要
 1.1 パターン認識とは
  1.1.1 パターン認識問題の例
  1.1.2 パターン認識問題の基本モデル
  1.1.3 特徴空間と特徴ベクトル
1. パターン認識と統計的学習の概要
 1.1 パターン認識とは
  1.1.1 パターン認識問題の例
  1.1.2 パターン認識問題の基本モデル
  1.1.3 特徴空間と特徴ベクトル
 1.2 ベイズ識別規則と識別関数法
  1.2.1 ベイズ決定による最適分類
  1.2.2 識別関数による解釈
  1.2.3 正規分布を仮定した場合の展開
  1.2.4 線形識別関数によるパターン分類
 1.3 統計的学習とパターン認識
 章末問題

2. 特徴空間の構成と統計的性質
 2.1 特徴空間と統計量
  2.1.1 特徴空間と特徴ベクトル
  2.1.2 パターン分布を測る尺度
  2.1.3 データの基準化
  2.1.4 特徴の選択
 2.2 特徴空間の評価
  2.2.1 パターン分布の評価
  2.2.2 ベイズ誤り確率
  2.2.3 特徴空間と次元の呪い
 章末問題

3. 線形識別の方法
 3.1 線形識別器とパーセプトロン
 3.2 フィッシャーの線形判別法
 3.3 誤差評価関数による線形識別器の獲得
  3.3.1 二乗誤差評価に基づくウェイト推定
  3.3.2 Widrow-Hoffの学習規則
 章末問題

4. ナイーブベイズ法
 4.1 ナイーブベイズ法
 4.2 高次元スパースな問題に対する対応
 4.3 改良ナイーブベイズ法
 4.4 ナイーブベイズ法の解釈 
 章末問題

5. 線形部分空間による次元縮約
 5.1 主成分分析(Karhunen-Lo`eve展開)
  5.1.1 正規直交軸への射影
  5.1.2 分散最大化による定式化
  5.1.3 二乗誤差最小化による定式化
  5.1.4 主成分得点
 5.2 主成分分析と特異値分解
  5.2.1 特異値分解
  5.2.2 主成分分析との関係
 章末問題

6. テンプレートマッチングとk最近傍識別法
 6.1 特徴パターンとの照合によるパターン判別
  6.1.1 最小距離に基づく判別
  6.1.2 類似度に基づく判別
  6.1.3 代表ベクトルの決定
 6.2 k-最近傍識別法
  6.2.1 k最近傍識別法による分類
  6.2.2 最近傍決定とベイズ決定の誤り確率
 6.3 メトリックラーニング
 章末問題

7. 決定木
 7.1 分類木と回帰木
 7.2 分類木の学習法
 7.3 回帰木の学習法
 7.4 学習アルゴリズムの拡張
 章末問題

8. 集団学習法
 8.1 バギング
 8.2 ブースティングとAdaBoost
 8.3 ランダムフォレスト
 8.4 ランダムフォレストによる特徴の重要度計算
 8.5 定理8.1の証明
 章末問題

9. 非線形判別関数とニューラルネットワーク
 9.1 区分線形識別関数
 9.2 階層型ニューラルネットワーク
  9.2.1 生体の情報処理モデル
  9.2.2 ニューラルネットのモデル
  9.2.3 ニューラルネットの学習
 章末問題

10. カーネル法
 10.1 リッジ回帰
 10.2 特徴ベクトルとカーネル
 章末問題

11. サポートベクトルマシン
 11.1 サポートベクトルマシン(SVM)
 11.2 カーネルを用いたサポートベクトルマシン
 11.3 ソフトマージンサポートベクトルマシン
 11.4 サポートベクトルマシンの効率的学習法
 章末問題

12. 関連ベクトルマシン
 12.1 関連ベクトルマシン(RVM)
 12.2 RVMの効率的学習法
 12.3 RVMの予測法
 章末問題

13. 二値判別器の組合せによる多値分類法
 13.1 基本的な方法
  13.1.1 one-vs-the rest分類法
  13.1.2 one-vs-one分類法
 13.2 Error Correcting Output Codes (ECOC)法
  13.2.1 Exhaustive Codeによる構成法
  13.2.2 Reed-Muller符号(RM符号)による構成法
  13.2.3 その他の方法
  13.2.4 分類法
 章末問題

14. 学習モデルと統計的推定
 14.1 確率モデルとベイズ識別
 14.2 パラメトリックな認識と統計的推定
  14.2.1 パラメータの推定問題
  14.2.2 ベイズ推定
  14.2.3 尤度・事後確率の最大化
  14.2.4 予測問題
  14.2.5 ベルヌーイ試行のベイズ推定
 章末問題

15. 潜在クラスモデル
 15.1 混合正規モデル
 15.2 EMアルゴリズム
 15.3 潜在クラスモデルの例
  15.3.1 多次元混合正規モデル
  15.3.2 混合Polya分布モデル
  15.3.3 PLSIとLDA
 章末問題

16. 統計的モデル選択とモデル平均化法
 16.1 多項式回帰モデルの例
 16.2 階層モデル族
 16.3 統計的モデル選択問題
 16.4 モデル選択規準
  16.4.1 赤池情報量規準(Akaike information criterion)
  16.4.2 SchwarzのBIC (Bayesian information criterion)
  16.4.3 RissanenのMDL(minimum description length)規準 
 16.5 一致性の議論
  16.5.1 最適モデルと一致性
  16.5.2 モデルの事後確率の漸近的性質
  16.5.3 情報量規準と一致性
  16.5.4 モデル選択規準に関する様々な議論
 16.6 モデル平均化
 章末問題

引用・参考文献

付録
 A.1 ベクトル空間と関数の最適化
  A.1.1 多次元二次関数
  A.1.2 一般の関数
 A.2 ラグランジュの未定乗数法
  A.2.1 例題
  A.2.2 問題の一般定式化
  A.2.3 ラグランジュの未定乗数法
  A.2.4 ラグランジュの未定乗数法の解釈
 A.3 固有値と固有ベクトル
  A.3.1 線形変換
  A.3.2 固有値と固有ベクトル
  A.3.3 行列の基本的性質
 A.4 多次元正規分布
  A.4.1 二次元正規分布(無相関の場合)
  A.4.2 二次元正規分布(相関がある場合)
  A.4.3 多次元正規分布

索引

人工知能関連書籍 特設ページ開設中!人工知能関連の書籍をまとめました。

【おすすめ本】

在庫は時期によりまして変動することがございますので、ご了承ください。