次へ: この文書について...
上へ: [オーガナイズド講演] 確率モデルと集団最適化入門 Introduction to
戻る: 文献目録
- Active learning
- 能動学習
- bandit problem
- bandit problem と強化学習
- Bayesian network (BN)
- 平均場近似
- Dynamic programming (DP)
- bandit problem と強化学習
- EM アルゴリズム
- 変数変換と潜在変数
- EDA
- 確率構造探索と最適化
- Exploitation
- Exploration-Exploitation
- Exploration
- Exploration-Exploitation
- Genetic Algorithm (GA)
- 遺伝的アルゴリズム
- genetic drift
- 遺伝的アルゴリズム
- Gibbs sampler
- [メトロポリス・ヘイスティングス法]
- importance sampling
- 重点サンプリング法
- independence sampler
- [メトロポリス・ヘイスティングス法]
- Independent component analysis (ICA)
- 変数変換と潜在変数
- jump diffusion
- 複雑な空間での最適化
- loopy-graph
- 平均場近似
- Markov Chain Monte Carlo (MCMC)
- MCMC法
- Markov decision process (MDP)
- bandit problem と強化学習
- Markov random field (MRF)
- 平均場近似
- Maximum a posterior estimation (MAP)
- ランダム探索
- Mean field approximation (MFA)
- 平均場近似
- Metropolis method
- [メトロポリス・ヘイスティングス法]
- Metropolis-Hastings
- MCMC法
- optimal experimental design
- 能動学習
- parallel tempering
- パラレルテンパリング法
- particle filter
- 重点サンプリング法
- population search
- 確率的最適化の基本的な枠組み
- Principal component analysis (PCA)
- 変数変換と潜在変数
- proposal distribution
- [メトロポリス・ヘイスティングス法]
- Q-learning
- bandit problem と強化学習
- Reinforcement learning (RL)
- bandit problem と強化学習
- resampling
- リサンプリング
- sequential Monte Carlo
- 重点サンプリング法
- Simulated Annealing(SA)
- シミュレーテッドアニーリング
- singly-connected graph
- 平均場近似
- stochastic optimization
- 確率的最適化の基本的な枠組み
- TD-learning
- bandit problem と強化学習
- Viterbi アルゴリズム
- 平均場近似
- 遺伝的アルゴリズム
- 遺伝的アルゴリズム
- 遺伝的浮動
- 遺伝的アルゴリズム
- 確率的最適化
- 確率的最適化の基本的な枠組み
- 確率伝播法
- 平均場近似
- 強化学習
- bandit problem と強化学習
- ギブスサンプラー
- [メトロポリス・ヘイスティングス法]
- 最大事後分布推定
- ランダム探索
- 最適実験計画
- 能動学習
- 指数分布族 PCA
- 変数変換と潜在変数
- シミュレーテッドアニーリング
- シミュレーテッドアニーリング
- 集団探索
- 確率的最適化の基本的な枠組み
- 主成分分析
- 変数変換と潜在変数
- ジャンプ拡散
- 複雑な空間での最適化
- 重点サンプリング
- 重点サンプリング法
- 単連結なグラフ
- 平均場近似
- 逐次モンテカルロ法
- 重点サンプリング法
- 提案分布
- [メトロポリス・ヘイスティングス法]
- 動的計画法
- bandit problem と強化学習
- 独立サンプラー
- [メトロポリス・ヘイスティングス法]
- 独立成分分析
- 変数変換と潜在変数
- ナイーブ平均場近似
- 平均場近似
- 能動学習
- 能動学習
- パラレルテンパリング
- パラレルテンパリング法
- 平均場近似
- 平均場近似
- ベーテ (Bethe) 近似
- 平均場近似
- ベイジアンネットワーク
- 平均場近似
- マルコフ決定過程
- bandit problem と強化学習
- マルコフランダム場
- 平均場近似
- マルコフ連鎖モンテカルロ
- MCMC法
- メトロポリス・ヘイスティングス法
- MCMC法
- メトロポリス法
- [メトロポリス・ヘイスティングス法]
- ランダム探索
- ランダム探索
- リサンプリング
- リサンプリング
- ループのあるグラフ
- 平均場近似
- パーティクルフィルタ
- 重点サンプリング法
Shotaro Akaho
平成19年6月13日