- 機械学習
VCAとLS(1) Vanishing Component Analysis と Least Squares
鈴木 幸一郎鈴木 幸一郎
20137/25
VCAを実装していて、「どうもうまく求まらんな」と思ったので、ちょっとまとめようと思います。
最小二乗法を足がかりにした方がわかりやすいと思いましたので、まずはそこから。
このメモのポイントは、観測行列H, パラメータベクトルθとしたとき、
Hθ=０
となる条件は、Hのランクが落ちるとき、です。
なので、H内の関数を逐次的に増やして行った場合、
Hのランクが落ちた瞬間に、Vanishing Component が存在することになるのですが、、、、
次はH内の関数を多項式に制限することにより、
SVDで上手に求まっていくあたりを説明できれば、、、、と思います。
＃ ほんとはちゃんとまとめてから投稿しようと練ってたんですが、
＃ あまりに手が早い人がいるので速報形式にします。仕事しろ！
鈴木 幸一郎Koichiro Suzuki
アーカイブ
20253/31
東京科学大と共同研究講座を開設
20253/4
テクノロジー・オブ・ザ・イヤー 優秀賞 を受賞しました
20252/4
2024年のクリスマスパーティが開催されました
202412/27
「よく似た音」を利用し、異音検知する教師なしモデルの高精度化と学習計算量の削減を実現する手法を...
20247/18
マルチコンディション学習で多言語対応の合成音声評価が可能になるメカニズムを解明［GCCE 2022］
20246/3
汎用GPUの新たな演算量削減と精度維持を両立する手法を提案[ICLR2024]
20244/5
イベントカメラの出力をもとに少ない計算量で高速に動きを認識 [CVPR2023]
20213/26
NLP2021 スポンサー賞選考の報告
20193/15
CollabTech Seminar in MIRU2019
201812/27
開発ー強化ー合宿
