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。