パターン認識のお勉強(はじパタ第1章メモ)
にゃんぱす\(๑^Δ^๑)
これまでに深層学習プログラム実装系の入門書でkerasを使っていくつかプログラム実装したのですが、もう少し理論的なことも知りたくなったので、有名どころで、見た感じ良さそうだった
「はじめてのパターン認識、 平井 有川 著」
を読んでみることにしました。読んでもすぐ忘れそうなので、ところどころ
- イメージ化
- 自分の知っているものへの置き換え
- 箇条書き化
して自分用メモに記録する予定。
間違いがあったらすみません。では、はじパタ第1章。
メモ
パターン認識・・・対象から特徴を抽出し、その対象が何かを判断するなど物事の類型を知ること。対象は模様などの画像だけでなく、音や匂いなど様々なものがある。
識別規則・・・特徴と何か(タグ)を結びつける規則。
以下、識別のイメージ。
○特徴には
定性的なもの(名義尺度[名前など]、順序尺度[大中小など])と
定量的なもの(間隔尺度[原点が無でないもの、℃など]、比例尺度[原点が無であるもの、ケルビンKなど]
がある。
○以降の節で出てくるd次元単位超立方体について第1章で導入。
d次元単位超立方体=[±1/2, ±1/2, …, ±1/2]
と考えると、
中心から、各頂点までの距離は
D(d) = (Σ(1/2)^2)^(1/2) = (d/4)^(1/2)=d^(1/2)/2
となる。そのほかの特性について、下記事が分かりやすかった。
d次元単位超立方体の頂点、辺、面の数は0次元から次元dが上がるにつれて、
- 頂点の数a[d]・・・1⇒2⇒4⇒8⇒16 ーーーa[d] = 2d
- 辺の数b[d]・・・・0⇒1⇒4⇒12⇒32 ーーーb[d] = 2b[d-1] + a[d-1]
- 面の数c[d]・・・・0⇒0⇒1⇒6 ⇒24 ーーーc[d] = 2c[d-1] + b[d-1]
となる。