MML
  • 数学プログラミング置き場
  • 数学記号記法一覧
  • 機械学習のための数学
    • 確率論
  • 機械学習・データサイエンス
    • 1. 機械学習・データサイエンス（概要）
    • 2. 機械学習
      • 2.1. 機械学習をこれから始める人へ
      • 2.2. 回帰問題
        • 2.2.1. 線形回帰の基礎
        • 2.2.2. 線形回帰モデルと正則化
        • 2.2.3. 線形基底関数モデル
          • いろいろな基底関数
        • 2.2.4. ベイズ線形回帰モデル
        • 2.2.5. カーネル回帰
        • 2.2.6. ガウス過程回帰
        • 2.2.7. 一般化線形モデル
        • 2.2.8. 一般化加法モデル
        • 2.2.9. 分位点回帰
        • 2.2.10. 3層ニューラルネットワーク
        • 2.2.11. 深層学習
        • 2.2.12. 深層学習とガウス過程
      • 分類問題
        • 線形判別分析
        • SVM
        • カーネルSVM
      • 強化学習
    • 3. データサイエンス
      • 主成分分析
      • 白色化
      • 低ランク行列近似
      • 行列補完
      • NMF
      • スパースモデリング
        • LASSO
          • FISTA
          • ADMM
        • 全状態探索法
    • 4. ニューラルネットワーク
      • CNN
      • GAN
      • VAE
      • GNN
      • word2vec
    • 5. ベイズ推論
      • 確率
      • 確率分布
      • ちょっとだけ振り返って
      • MCMC
      • ギブスサンプリング
      • 変分推論
  • 連続最適化
    • 1. Taylor展開と関数近似
    • 2. Taylorの定理と誤差の評価
    • 3. 最適化問題
    • 4. 直線探索法
      • 4.1. 最急降下法
      • 4.2. Armijo条件・Wolfe条件
      • 4.3. ニュートン法
      • 4.4. 共役勾配法
        • 4.4.1. 原始的な共役勾配法
        • 4.4.2. PRP法
        • 4.4.3. HS法
      • 4.5. 準ニュートン法
        • 4.5.1. DFP法
        • 4.5.2. BFGS法
        • 4.5.3. L-BFGS法
        • 4.5.4. Bryoden family of methods
        • 4.5.5. Broyden法
    • 5. 確率的最適化
      • 5.1. 確率的勾配降下法（SGD）
      • 5.2. 確率的準ニュートン法（SQN）
  • 行列計算
    • QR分解
    • コレスキー分解
    • 一般化コレスキー分解
    • 固有値分解
    • 一般化固有値問題
    • 特異値分解
  • その他
    • 位相限定相関法
  • カーネル法
    • カーネル法（概要）
  • Riemannian最適化
    • Riemann多様体って？
    • Riemannian最適化（概要）
    • 概説
    • 詳説
      • 解析学
      • 線形代数学（反変性・共変性・不変量）
      • テンソル解析
      • リーマン積分と微分形式
      • 位相空間論
      • 多様体論（解析幾何学）
      • Riemann多様体
  • プログラミングサイドブック
    • はじめに
    • Step 0. 勉強の仕方
      • いつ始める？どれくらい勉強する？
      • どうやって勉強する？
      • どこから手をつけたらいい？
    • Step 1. インターネットで調べる
    • Step 2. コンピュータの仕組みを学ぶ
    • Step 3. 開発環境を整える
    • Step 4. プログラミング言語を学ぶ
    • Step 5. 次のステップへ進むには
    • Step 6. 情報科学を学ぶ
  • プログラミング
    • プログラミング（概要）
    • システムの構成
    • サーバーのセットアップ
      • OSセットアップ
        • ユーザの作成
        • SSHの設定
        • ファイアウォールの設定
      • ドメインの取得と設定（Google domain）
    • Dockerによる仮想化
    • サーバーサイド（golang/gin）
    • リバースプロキシの設置（nginx）
    • SSL/TLS（Let's Encrypt）
    • フロントエンド（Elm）
    • Authentication（Firebase）
    • DB（MySQL）
    • KVS（Redis）
  • 数学勉強ノート
    • 0. 数学勉強ノート（概要）
    • 1. 第1群（基礎1）
      • 1.1. 集合
      • 1.2. ファジィ集合
      • 1.3. 論理学
      • 1.4. 位相
      • 1.5. 代数学
        • 1.5.1. 群
        • 1.5.2. 環
        • 1.5.3. 体
      • 1.6. 多様体論
    • 2. 第2群（基礎2）
      • 2.1. 線形代数学
      • 2.2. 解析学
        • 2.2.1. 常微分
        • 2.2.2. 全微分/偏微分
        • 2.2.3. 反変・共変と不変量
        • 2.2.4. リーマン積分
        • 2.2.5. 外微分
        • 2.2.6. ベクトル解析
      • 2.3. 複素解析学
      • 2.4. 圏論
      • 2.5. 測度論
      • 2.6. 確率論
    • 3. 第3群（情報科学）
      • 3.1. 情報理論
      • 3.2. 通信符号理論
      • 3.3. 暗号理論
      • 3.4. グラフ理論
    • 4. 第4群（基礎3）
      • 4.1. 位相幾何学
      • 4.2. 微分幾何学
      • 4.3. 関数解析学
      • 4.4. 偏微分方程式論
      • 4.5. 数値解析学
        • 4.5.1. 常微分方程式
        • 4.5.2. 偏微分方程式
        • 4.5.3. 固有値問題/特異値分解
      • 4.6. 数理統計学
    • 5. 第5群（物理学）
      • 5.1. 古典力学
      • 5.2. 剛体力学
      • 5.3. 流体力学
      • 5.4. 解析力学
      • 5.5. 電磁気学
      • 5.6. 相対性理論
      • 5.7. 熱力学
      • 5.8. 統計力学
      • 5.9. 量子力学
    • 6. 第6群（電気・機械工学）
      • 6.1. 電気回路学
      • 6.2. システム制御理論
    • 7. 第7群（基礎4）
      • 7.1. 情報幾何学
      • 7.2. 確率解析
  • 書籍メモ
    • 書籍メモ（概要）
  • 論文メモ
    • 論文メモ（概要）
    • 線形代数
      • The Matrix Cookbook
      • ON THE EARLY HISTORY OF THE SINGULAR VALUE DECOMPOSITION
      • The tensor rank decomposition
    • 行列分解
      • Probabilistic Matrix Factorization
      • Probabilistic Matrix Factorization with Non-random Missing Data
      • Graph Regularized Non-negative Matrix Factorization for Data Representation
      • Alternating least squares for personalized ranking
    • 連続最適化
      • Quasi-Newton Methods: Superlinear Convergence Without Line Searches for Self-Concordant Functions
    • 確率・統計
      • Statistical inference of Langevin distributionfor directional data
      • Bayesian Inference over the Stiefel Manifold via the Givens Representation
      • あとで読む（Langevin distribution）
    • Riemannian最適化
      • A Broyden Class of Quasi-Newton Methods for Riemannian Optimization
      • Riemannian stochastic quasi-Newton algorithm with variance reduction and its convergence analysis
      • Primal-Dual Optimization Algorithms over Riemannian Manifolds: an Iteration Complexity Analysis
      • Extending FISTA to Riemannian Optimization for Sparse PCA
    • RCD空間
      • On the geometry of metric measure spaces. I
      • On the geometry of metric measure spaces. II
      • Cohomology and other analyticalaspects of RCD spaces
      • Untitled
  • 雑記帳
    • 球面幾何（楕円幾何）
    • 双曲幾何
  • なんかの部屋
    • データの表現について
Powered by GitBook
On this page

Was this helpful?

  1. 論文メモ
  2. 確率・統計

あとで読む（Langevin distribution）

PreviousBayesian Inference over the Stiefel Manifold via the Givens RepresentationNextRiemannian最適化

Last updated 5 years ago

Was this helpful?

https://projecteuclid.org/download/pdfview_1/euclid.ba/1570586976
https://arxiv.org/pdf/1311.0907.pdf
https://s3.amazonaws.com/academia.edu.documents/47812415/Bayesian_inference_on_the_Stiefel_manifo20160805-18697-1qlmsoj.pdf?response-content-disposition=inline%3B%20filename%3DBayesian_inference_on_the_Stiefel_manifo.pdf&X-Amz-Algorithm=AWS4-HMAC-SHA256&X-Amz-Credential=AKIAIWOWYYGZ2Y53UL3A%2F20200305%2Fus-east-1%2Fs3%2Faws4_request&X-Amz-Date=20200305T152136Z&X-Amz-Expires=3600&X-Amz-SignedHeaders=host&X-Amz-Signature=f1d85956a6529bd876dfdb566195ffe74c0bbe5e5b57d5399652c2e44ce05d57
https://www.sciencedirect.com/science/article/abs/pii/S1568494615006626
https://pdf.sciencedirectassets.com/272481/1-s2.0-S0047259X00X00577/1-s2.0-S0047259X83710055/main.pdf?X-Amz-Security-Token=IQoJb3JpZ2luX2VjEJ7%2F%2F%2F%2F%2F%2F%2F%2F%2F%2FwEaCXVzLWVhc3QtMSJGMEQCIGGg%2B2VSOQs%2BmiQoNkvIrAQWPH%2BRQvBHctuhqoQDMKSMAiBtwoAuQTGwdFcnhln%2BFde5SmATEhkC9tCycLOyjFr6Biq0Awh3EAIaDDA1OTAwMzU0Njg2NSIMePQhC1jZcSUy9TLjKpEDKNr8f1FIhHUZvxoT0beFPsPwa5W43wRBFi9GmPczFUo0FjL%2B4rVNO5%2F84FhnzRQa%2Faf3A8WoDC5J4OiJh35eXORTs%2FeRRKknoEU1vTPQ01HoOcwSxwSNuZHVWtC6fIi7r8DUlbzsWqZAOJ3ij4oiUsLrBtbiP6i4lohNxMCexgFRHcKmL6%2BHBKKAxDjNx4v29aVZ3S%2FDRb8OqsJTGPLdG2B1NnPEcNRAUSPzU%2F0NaWmLcUqxn7th%2F8YIJBD48xln1aHV4XO4%2FPcmheUGMRhN16GgJzn3s0cQCS7f2GFm3oRWojJDKoIVguFjBNJnu4uey29j90BtUgiYZPhVUnIuk69tiskwlTtwcZ2Jv3vRRTwzjWd9wnTs8JgWrSEq2jGwZFEMurTws3K7paIJtvwlZaTl1JbeFHyCZJ%2Bi4CXX35OTo%2B2xzMkEFtIdCQKn%2FW4b0U2lBnCx1Ee8nqTLy8chS%2Bmz45ypaNeYzejfYVd%2Fk44ZgNwIEP%2BIv9E%2BR%2BzP4vV%2FuETn1fJM5P1CQXWpS8sHQ%2Bswgf%2BD8wU67AFSv3GHtLl%2BTGvU9hmZAtbaslK95hVLgnhjiFtMXMZXK%2FgO%2B%2Fx69F7xP46SgIfSwZEaVOyZ%2BzK2TfqVOou7xhbyrGASW9%2Bc5xypJuDKKGU0oMn7aJKj1Cl2OklMXraJvxNDE60OO3cF5RExvlK0HkzSkoxwlqr5p8dNDQ83kXzSEswPzn43bEUjqOdGxzXqXwswC6BpB7c7npKcIFm92KEd%2BTdUwhFkSJCywPgQlI0ksHBVdBVqorN8SfPjhZvVYRpU%2FT9ZmH8Re2CeWehm8E2mM%2Bm6xobU7goys9vh%2FD9duG6pnZAryzQ1E7CNjA%3D%3D&X-Amz-Algorithm=AWS4-HMAC-SHA256&X-Amz-Date=20200305T152204Z&X-Amz-SignedHeaders=host&X-Amz-Expires=300&X-Amz-Credential=ASIAQ3PHCVTY4Z7LJR4S%2F20200305%2Fus-east-1%2Fs3%2Faws4_request&X-Amz-Signature=1475ebafda274f19229b3e61c2ade048a41f4a5f5f9f7a925a09507247b589b1&hash=4ebefb16afb03f11396ce8c48d7b4016ea98c80494929e7b6f0b7bd48c33a54e&host=68042c943591013ac2b2430a89b270f6af2c76d8dfd086a07176afe7c76c2c61&pii=S0047259X83710055&tid=spdf-976f38da-fdd8-4526-9a8d-84ea9e09750e&sid=aabe7c0e2e2c39499189d41434ce9c4003a0gxrqa&type=client
https://facerec.ece.wisc.edu/cameranet/turaga08.pdf
https://escholarship.org/content/qt1c97m0j3/qt1c97m0j3.pdf
https://www.sciencedirect.com/science/article/abs/pii/0378375883900435