-
-
1DCNN ニュウモン
1 次元畳み込みニューラルネットワーク（1DCNN）の基礎から、Conv1d／GRU／LSTM の実装ポイント、データ形状の扱い方、Kaggle「G2Net Gravitational Wave Detection」で活用された実践的な手法までをまとめた入門記事です。カーネルサイズ選択の戦略、wavegram などの特徴量生成、Conv1D×RNN の組み合わせなど、系列データモデリングの考え方を整理しています。
-
CV最前線: ジェスチャー動作生成
-
半教師あり学習（Semi-Supervied Learning; SSL）について
半教師あり学習（SSL）の主要な理論背景と、代表的な手法である pseudo-labeling・self-training・hybrid methods を体系的に整理した記事です。RGB-D 物体認識を例に、Co-training の具体的な仕組み、Pseudo-Label・Noisy Student・Meta Pseudo Labels などの進化系、MixMatch・FixMatch のような最新 SSL の流れまで幅広くまとめています。
-
鳥コンペ (Cornell Birdcall Identification)
-
波形データ解析のあれこれ
-
今週の気になった情報たち vol.1
-
CrossEntropy について
クロスエントロピーの定義から、負の対数尤度としての導出、画像分類モデルにおける直感的理解までを整理し、PyTorch での CrossEntropyLoss の正しい使い方を実例付きで解説した記事です。softmax の扱い方や入力形式の注意点など、実装でつまずきやすいポイントもまとめています。
-
VAE 理解までの道のり #1
VAE を理解するための準備として、最尤推定とベイズ推定の違い、潜在変数モデル、EM アルゴリズム、そして変分推論（変分ベイズ）の基礎を体系的にまとめた記事です。混合ガウス分布を題材にしつつ、ELBO・KL ダイバージェンス・平均場近似など、VAE の根底にある考え方を丁寧に追いかけ、これらの概念がどのようにつながるのかを整理しています。
-
ベイズ線形回帰モデル
線形回帰モデルをベイズ的に扱うための基礎から、事前分布・事後分布の考え方、MCMC（特にメトロポリス–ヘイスティングス法）を用いたパラメータ推定までを丁寧にまとめた記事です。ベイズ線形回帰がどのように確率的な予測を可能にするのか、また事後分布を近似するためのサンプリング手法がどのように働くのかを、コード付きで解説しています！