Reading Seminor

[朗読セミナー]
Machine Learning Tom M. Mitchell
P180-P184
6.10 AN EXAMPLE: LEARNING TO CLASSIFY TEXT
6.10.1 Experimental Results

論文セミナー

[論文テーマ]
Domain Domain Interaction

早朝学習

[線形システム]
LTI状態方程式

早朝学習

[線形システム]
ジョルダン標準形，特異値分解

早朝学習

[線形システム]
線形代数方程式，相似変換

早朝学習

[離散数学]
平方剰余記号

早朝学習

[離散数学]
不定方程式，合同式，中国人の剰余定理

早朝学習

[離散数学]
素数，除法の原理， Euclid の互除法

論文セミナー

[論文紹介]
リンク構造を用いた類似度計算手法の改良
Webマイニング
DEWS 2007
電子情報通信学会 第18回データ工学ワークショップ
第5回日本データベース学会年次大会

Reading Seminor

[朗読セミナー]
Machine Learning Tom M. Mitchell
P177-P180
6.9 NAIVE BAYES CLASSIFIER
6.9.1 An Illustrative Example
6.9.1.1 ESTIMATING PROBABILITIES

早朝学習

[離散数学]
環・体 (Euclid 環，体，有限体)

論文セミナー

[論文テーマ]
Protein Protein Interaction

早朝学習

[離散数学]
環，準同形写像（準同形定理），環の公理，イデアル

早朝学習

[線形システム]
システムの数学的記述と非線形システムの線形化

Agile Workshop

[発表会]
講演1・良い論文の書き方
講演2・内積の意味する所
講演3・Amazon Web Services

Reading Seminor

[朗読セミナー]
Machine Learning Tom M. Mitchell
P174-P176
6.5 BAYES OPTIMAL CLASSIFIER
6.6 GIBBS ALGORITHM

早朝学習

[離散数学]
群の公理，部分群
剰余類 （Lagrange の定理） ，正規部分群，剰余群
[線形システム]
導入（イントロダクション）

Reading Seminor

[朗読会]
Machine Learning Tom M. Mitchell
P167-P174
6.5 MAXIMUM LIKELIHOOD HYPOTHESES FOR PREDICTING PROBABILITES
6.6 MINIMUM DESCRIPTION LENGTH PRINCIPLE