1. 定義と概要 リッジ回帰とは、線形回帰にL2正則化を組み合わせた回帰分析（説明変数から目的変数を予測する統計的な手法の総称）の手法です。線形回帰は、説明変数…

1. 定義と概要 報酬（reward）とは、強化学習においてエージェントが、ある状態（エージェントが置かれている状況を表す情報）で行動を選んだ結果として、環境か…

1. 定義と概要 強化学習とは、エージェントが環境との相互作用を繰り返しながら、行動の結果として得られる報酬の合計である累積報酬（一時点の報酬ではなく、将来にわ…

1. 定義と概要 正則化（Regularization）とは、機械学習モデルが訓練データに過剰に適合すること（過学習。訓練データに合わせすぎて未知のデータへの予…

1. 定義と概要 回帰問題とは、教師あり学習のうち、説明変数（予測に使う入力側のデータ）から目的変数（予測したい結果側のデータ）を予測するタスクのうち、目的変数…

1. 定義と概要 R-CNNとは、Regions with CNN features（CNNの特徴量を用いた領域検出）の略称で、Girshick氏らが2014年…

1. 定義と概要 ランダムサーチとは、あらかじめ定めたハイパーパラメータの探索範囲から値を無作為に選び、指定した試行回数だけモデルの学習と評価を繰り返すハイパー…

1. 定義と概要 量子化とは、ニューラルネットワーク（人間の脳の神経回路を模した学習モデル）が学習で獲得した重み（各入力の重要度を表す数値）や活性化（活性化値。…

1. 定義と概要 量子化（音声）とは、標本化によって一定の時間間隔ごとに取り出された信号の振幅の値を、あらかじめ決められた有限個の段階（レベル）のうち最も近い値…

1. 定義と概要 PSPNetとは、PPMによって特徴マップを複数の解像度で領域ごとに分割し、平均プーリング（決めた範囲の値を平均して1つにまとめる処理）した結…