Concept Learningの概要を読む
ランニングできず 英語20分
英語の理解は天気予報からと聞いたことがあるが、まだ映画とは全く聞き取れない。
Concept-Learningの論文読みに費やす。考え方は、事前分布をデータから事後分布を精緻化く過程（Sleep）とそこから生成過程（Wake)のいわば伝統的なベイズ・生成モデルであるので、この過程をBPL(Bayes Program Learning）と称している。このフレームワークは頻度統計時代のShapiroの精密化演算子(refinement operater)に似ている。
https://www.amazon.co.jp/知識の帰納的推論-知識情報処理シリーズ-E-Y-Shapiro/dp/4320022637/
またベイズ統計時代のKempの構造(struct form)発見とも良く近似している。
驚くべきことは、DeepLearningよりHumanの識別が精度が高い場合は、BPLはhumanの識別精度に近い事が示されており、人間が識別に用いている概念が学習がBPLで行われたことだと述べている。これもGitHubでソースが公開されている。
https://github.com/brendenlake/BPL
BPLの詳細な理解は上記に取組むとして、実用上では大事な画像の部分認識論文
Object Detectionに取組む
