- shima__shima
- 1818
- 0
- 1
- 0
Entityclassifier.eu 固有表現の抽出や曖昧性解消など.Wikipedia や DBpedia の項目を語彙に利用.言語は英独蘭対応 http://t.co/ueUp6SN457
2013-09-24 22:18:26AllAboard 交通システムの分析.携帯電話の情報から移動パターンや利用状況の把握.コートジボアールでの実験では経路推薦などで,乗車数を増やして,また早く着けるようになった.
2013-09-24 22:19:16ScienScan 学術検索サイトはいろいろあるが,論文のリストでは解釈が困難 → トピックマップを示して見やすくした http://t.co/JIl6LaiO3z
2013-09-24 22:25:03Kanopy 教師なしでの文書のラベル付け.クラスタリングと,Wikipedia/DBpedia の語彙の利用 http://t.co/6R1v9R6Ek7
2013-09-24 22:44:35基調講演 Using Machine Learning Powers for Good の Rayid Ghani さんはオバマ大統領の選挙分析チームを率いてデータに基づく選挙戦略の実力を示した人
2013-09-25 16:58:04スライドが少しで,ほとんど口頭で話しまくっていた.というわけでほとんど分からなかった.具体的な分析方法までは踏み込んでは話してくれてなかったようだ.
2013-09-25 16:58:25すでに発表済みの内容をまとめて話すNectorペーパを聞く.最初はロボット,卓球で違うボールの位置ごとに学習した基本タスクを組み合わせていろいろなボールの位置に対応できるようになってた.
2013-09-25 18:16:02最初は人間がロボットアームを動かしてマネさせるよう徒弟学習で軌道調整をして,その後に普通の強化学習をさせるようだ.反応時間を上げるための予測や,人間の動きを記録して戦略を立てたりもする方向に研究しているとか.
2013-09-25 18:16:10二つ目のNectorは脳科学関係.fMRIでタスクと脳の活動領域の関係を調べるのだが,相互情報量や相関ではなくて,脳の各領域のタスク予測に対する精度の良さを使う.
2013-09-25 18:59:38各領域の反応を説明変数として,エラスティックネットで疎にして,残った変数を関連していると見なす.でもタスクが複雑になると関連領域とそうでないところの差は不明確になるとか.
2013-09-25 18:59:49さらに,単なる二乗誤差での予測ではなく,脳の領域間の関連を調べるためMRFを使って,それを疎にする制約項をいれるモデルを採用.
2013-09-25 19:11:48部分グループ列挙も,全列挙は消えて,興味深さの指標や,スカイラインを求めるとかそういう方向になっていた.Apriori/FP-growthで全部出てきても困るからな.
2013-09-26 00:06:23食事に行ったら食べ物が出てくるのに時間のかかるスローライフの国でのバンケットは1時間に1品ずつ出てくるパターンになった.待ちくたびれてヘロヘロになった.スローライフは過酷だ (;´д`)
2013-09-26 06:38:53.@akikom バンケットがちょうどプラハ城のそばのレストランでした.おっしゃるように城の中の教会がライトアップされて見事でした.また,城壁からの夜景もなかなかのものでした.
2013-09-26 06:47:41基調講演 Learning with Humans in the Loop は,みんな使ってる SVMlight の Thorsten Joachims 先生.利用者フィードバックと,アルゴリズムによる結果の利用者への提示の対話的な学習について.
2013-09-26 17:28:39検索で,クリック数などのフィードバック評価では,ランダムランキングでもその中での判断なので,直接には訓練データに使えない.
2013-09-26 17:28:48二つのランキングを同じリストに示して,一対比較することで利用者の効用を測る.バンディットの考えを導入して,逐次的にランキング関数を改良する.バンディットにするときのデザインもいろいろ.
2013-09-26 17:28:58