パターン認識と機械学習(上）

日時 内容　　　　　　　　　　　　　　　　　　　　　　　 スライドのファイル 補足資料など 発表者
4月11日 第１章 序論 （導入部分） ml-shinnou-0411.pdf 新納
1.1 例：多項式曲線フィティング ml-sasaki-0411.pdf 佐々木
4月18日 1.2 確率論 (導入部分） ml-toyokawa-0418.pdf 豊川
4月25日 (4/18に準備なし、25日に変更)
1.2.1 確率密度
1.2.2 期待値と分散		 ml-suzuki-0425.pdf 鈴木
4月18日 1.2.3 ベイズ確率 ml-matsumoto-0418.ppt 松本
4月25日 1.2.4 ガウス分布 ml-aihara-0425.pdf 相原
1.2.5 曲線フィティング再訪 ml-motegi-0425.pdf 茂木
1.2.6 ベイズ曲線フィティング ml-kubota-0425.ppt 久保田
5月9日 1.3 モデル選択 ml-tanaka-0509.pdf 田中
1.4 次元の呪い ml-toyokawa-0509.pdf 豊川
1.5 決定理論 (導入部分）
1.5.1 誤識別率の最小化		 ml-suzuki-0509.pdf 鈴木
1.5.2 期待損失の最小化
1.5.3 棄却オプション		 ml-matsumoto-0509.pdf 松本
5月16日 1.5.4 推論と決定 ml-aihara-0516.pdf 相原
1.5.5 回帰のための損失関数 ml-motegi-0516.pdf 茂木
1.6 情報理論 (導入部分） ml-kubota-0516.pdf 久保田
1.6.1 相対エントロピーと相互情報量 ml-tanaka-0516.pdf 田中
5月23日 第２章 確率分布 （導入部分： 省略）
2.1 二値変数 ml-suzuki-0523.pdf 鈴木
2.1.1 ベータ分布 ml-aihara-0523.pdf 相原
6月6日 2.2 多値変数 ml-matsumoto-0606.pdf 松本
2.2.1 ディリクレ分布 ml-motegi-0606.pdf 茂木
6月13日 2.3 ガウス分布 ml-kubota-0613.pdf 久保田
2.3.1 条件付きガウス分布 ml-tanaka-0613.pdf 田中
6月20日 2.3.2 周辺ガウス分布 ml-toyokawa-0620.pdf 豊川
2.3.3 ガウス変数に対するベイズの理論 ml-suzuki-0620.pdf 鈴木
2.3.4 ガウス分布の最尤推定 ml-matsumoto-0620.pdf 松本
6月27日 2.3.5 逐次推定 ml-aihara-0627.pdf 相原
2.3.6 ガウス分布に対するベイズ推論 ml-motegi-0627.pdf 茂木
2.3.7 スチューデントの t 分布 ml-kubota-0627.pdf 久保田
7月4日 2.3.8 周期変数 ml-toyokawa-0704.pdf 豊川
2.3.9 混合ガウス分布 ml-tanaka-0704.pdf 田中
7月11日 2.4 指数型分布族 ml-suzuki-0711.pdf 鈴木
2.4.1 最尤推定と十分統計量 ml-matsumoto-0711.ppt 松本
2.4.2 共役事前分布 ml-aihara-0711.pdf 相原
7月18日 2.4.3 無情報事前分布 ml-motegi-0718.pdf 茂木
2.5 ノンパラメトリック法 ml-kubota-0718.pdf 久保田
8月1日 2.5.1 カーネル密度推定法 ml-tanaka-0801.pdf 田中
2.5.2 最近傍法 豊川