BPLはMCMC等で事後分布を推定するモデル
ランニング30分 英語30分
オッズ比一致による年間発生率の資料をLaTexで作成する。慣れるといい資料が作れそうだと思うが、対数オッズの差で均衡をとる所が証明できていない。
大学の図書館でやっとBPL(Bayesian Program Learning)のSupplymentを読むが、やはり複雑な生成モデルを簡便化してMCMCで解いていると理解する。人間の画像理解には見方の様な文法規則があり、これを多数のデータからモデル化するには相当な工夫がいると思われる。
大学でCNNのセミナー(林昌希さん)があり、CNNにたいして見方を変えた。
1)CNNは勾配消失を避けるためと考えていたが、画像特徴量を炙り出す最適なフィルターを自動生成している。
2)勾配消失を避けるためResiNetという特別なニューロが存在する。この論文を読むこととする。
https://arxiv.org/abs/1512.03385