システム工学 - 基礎

知識システムI 関連検索

青山 和浩、山西 健司著

東京大学工学教程編纂委員会編


目次

はじめに
1 知識の記述
1.1 情報モデルと知識モデリング
1.1.1 データ,情報,知識
1.1.2 データモデリングと知識モデリング
1.1.3 知識記述の課題
1.1.4 知識の記述対象の分類
1.1.5 知識のネットワーク表現
1.2 構造と機能の知識表現
1.2.1 実体関連モデル
1.2.2 意味ネットワーク
1.2.3 フレームモデル
1.2.4 オブジェクトによる知識表現
1.2.5 オントロジーによる知識表現
1.3 機能と挙動の知識表現
1.3.1 機能とプロセスに関する知識表現
1.3.2 因果関係の知識記述
1.3.3 因果関係と定性推論
1.3.4 離散事象モデルとペトリネット
1.3.5 ペトリネットによる連続鋳造プロセスの知識表現と利用
1.4 まとめ
2 知識の学習
2.1 機械学習とは
2.1.1 パラメータ推定:最尤推定法
2.1.2 パラメータ推定:Bayes 推定法
2.1.3 教師あり学習と教師なし学習
2.2 モデル選択
2.2.1 情報量規準
2.2.2 符号,情報,確率
2.2.3 確率的コンプレキシティ
2.3 教師なし学習とクラスタリング
2.3.1 混合モデルと EM アルゴリズム
2.3.2 Markov 連鎖 Monte Carlo 法
2.3.3 クラスター数の決定
2.3.4 分解型正規化最尤符号長
2.3.5 K-means 法
2.3.6 Latent Dirichlet Allocation
2.3.7 非負値行列因子分解
2.3.8 確率的ブロックモデル
2.3.9 制約付き Boltzmann マシン
2.4 教師あり学習と分類
2.4.1 確率的決定木の学習
2.4.2 人工ニューラルネットワークとその周辺
2.5 逐次的確率予測
2.5.1 逐次的確率予測問題の設定
2.5.2 最尤予測アルゴリズム
2.5.3 Bayes 予測アルゴリズム
2.5.4 逐次的正規化最尤予測アルゴリズム
2.6 外れ値検知
2.6.1 距離に基づく外れ値検知
2.6.2 Gauss 混合分布に基づく外れ値検知
2.6.3 主成分分析に基づく多次元時系列外れ値検知
2.7 変化検知
2.7.1 統計的検定に基づく変化検知
2.7.2 シミュレーションに基づく変化検知
2.7.3 二段階学習に基づくオンライン変化検知
2.8 潜在的構造変化検知
2.8.1 バースト出現検知
2.8.2 動的モデル選択
2.8.3 クラスタリング構造変化検知
2.9 まとめ
参考文献
索 引
Akaike’s information criteria Bayesの定理 Bayes予測アルゴリズム Bayes予測分布 Bayes推定量 Bernoulliモデル Contrastive Divergence 法 Cramer–Raoの不等式 Cramer–クラメル–ラオの不等式 DB外れ値 (DB Dirichlet分布 EM アルゴリズム ER モデル ER 図 f,D外れ値 (DB Fisher情報行列 g 関数 Gauss分布 Gauss混合モデル Gibbsサンプラー Jeffreysの事前分布 Jensenの不等式 K-means 法 Kraftの不等式 Krichevsky とTrofimovの推定量 Krichevsky とクリチェフスキーとトロフィモフの推定量 Kullback–Leiblerのダイバージェンス Kullback–カルバック–ライブラーのダイバージェンス Latent Dirichlet Allocation モデル Mahalanobis距離 MAP 推定 Markov連鎖Monte Carlo法 Markov連鎖モンテカルロ法 MDL 規準 Q 関数 Shannon情報量 アーク アイデンティティ アンサンブル学習 イエンセンの不等式 インスタンス インスタンスモデル インヘリタンス エントロピー オートエンコーダ オントロジー オンライン忘却型 EM アルゴリズム ガウス分布 ガウス混合モデル ギブズサンプラー クオリティコントロール クラス クラスター クラスタリング クラスタリング構造変化検知 グラフィカルモデル クラフトの不等式 サポートベクトルマシン ジェフリーズの事前分布 ジェンス関係データ シミュレーション シャノン情報量 スパース正則化 スロット スロット値 スロット名 データフロー図 データモデリング データ処理 デーモン ディープ Boltzmann マシン ディープラーニング ディリクレ分布 トピックモデル トランジション トランジション発火則 バースト検知 パーセプトロン パラメトリックコンプレキシティ ヒストグラム密度 ファセット フィッシャー情報行列 プラグイン予測分布 プレース プレース/トランジションペトリネット フレーム フレーム・システム ベイジアンネットワーク ベイズの定理 ベイズ予測アルゴリズム ベイズ予測分布 ベイズ推定量 ベルヌーイモデル マハラノビス距離 ミニマックスリグレット メソッド メッセージ モデル モデル遷移確率 モデル選択 モデル選択の一致性 ラッソー ランダムフォレスト リレーショナルモデル ロジスティック回帰モデル 一致性 一般化確率ペトリネット 一般関係データ 上位オントロジー 不偏推定量 主成分分析 予測分布 予測的確率的コンプレキシティ 予測符号化 事象 人工ニューラルネット 値域 共役事前分布 冗長度 写像 分解型正規化最尤符号長 分類学習 初期マーキング 制約付き Boltzmann マシン 前分布時間ペトリネット 前提条件 劣確率分布 動的モデル選択 動的モデル選択規準 可到達木 可到達木法 (reachability 可到達被覆木法 (reachability 回帰 因果関係 因果関係ダイアグラム 変化検知 外れ値 外れ値検知 多重継承 完全変数化 完全変数化 MDL 規準 定義域 実体 実体関連モデル 実体集合 実装可能 対数損失 尤度関数 属性 属性データ 後提条件 忘却パラメータ 情報処理 情報論的学習理論 情報量規準 意味 意味データモデル 意味ネットワーク 挙動 推薦 教師あり学習 教師なし学習 最尤予測アルゴリズム 最尤推定 最尤推定量 有効性 有向グラフ 有向非巡回グラフ 有限分割型の確率的規則 有限容量ネッ卜 有限混合モデル 条件 条件付きミニマックスリグレット 格構造 概念モデル 構造 構造化分析設計法 構造的性質 機能 次数 正則化 正則化ロジスティック回帰 正規化最尤分布 正規化最尤符号長 正規方程式 混合型確率的コンプレキシティ 漸近正規性 潜在変数 潜在変数モデル 潜在的ダイナミクス 潜在的構造変化検知 無限容量ネット 特徴選択 異常検知 知識モデリング 知識処理 確率ペトリネット 確率的コンプレキシティ 確率的ブロックモデル 確率的決定リスト 確率的決定木 累積対数損失 統計的検定 継承 線形回帰モデル 自己回帰モデル 行列補完 計算統計学 記述長最小原理 認識 語頭符号化 誤差伝播法 逐次的予測 逐次的忘却型正規化最尤分布 逐次的正規化最尤予測アルゴリズム 逐次的正規化最尤分布 逐次的確率予測アルゴリズム 逐次的符号化 連想 連鎖 Monte Carlo 法密度推定 部分 関連 関連集合 階層構造 離散分布 非正則モデル 非負値行列因子分解 高水準ペトリネット