<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom" xmlns:content="http://purl.org/rss/1.0/modules/content/"><channel><title>Machine-Learning on 3rd layer</title><link>https://3rdlayer.uk/ja/tags/machine-learning/</link><description>Recent content in Machine-Learning on 3rd layer</description><generator>Hugo -- 0.154.5</generator><language>ja-JP</language><lastBuildDate>Sun, 10 Dec 2023 00:00:00 +0000</lastBuildDate><atom:link href="https://3rdlayer.uk/ja/tags/machine-learning/index.xml" rel="self" type="application/rss+xml"/><item><title>K-means, GMM, EM：クラスタリングの三重マトリョーシカ</title><link>https://3rdlayer.uk/ja/posts/em-kmeans-gmm/</link><pubDate>Sun, 10 Dec 2023 00:00:00 +0000</pubDate><guid>https://3rdlayer.uk/ja/posts/em-kmeans-gmm/</guid><description>K-meansは実はGMMの極端なケースであり、GMMはEMアルゴリズムの代表的な応用である。三つがどのように一つのフレームワークで繋がるのか、そして情報幾何学がこの関係をどう説明するのかを直感的に解説する。</description></item><item><title>情報幾何学：AIはどのように「最も効率的に」学ぶのか</title><link>https://3rdlayer.uk/ja/posts/information-geometry/</link><pubDate>Sat, 09 Jan 2021 00:00:00 +0000</pubDate><guid>https://3rdlayer.uk/ja/posts/information-geometry/</guid><description>ニュートンのF=maが物理世界を説明するように、情報幾何学はAIの学習過程を説明します。初心者向けの直感的な解説。</description></item></channel></rss>