Look for any podcast host, guest or anyone
Showing episodes and shows of

Hmm Interesting

Shows

Raymond Chin2025-09-0808 minRaymond Chin2025-09-0619 minRaymond Chin2025-09-0517 minRaymond Chin2025-09-0413 minRaymond Chin2025-09-0211 minRaymond Chin2025-09-0122 minRaymond Chin2025-08-3013 minRaymond Chin2025-08-2812 minRaymond Chin2025-08-2813 minRaymond Chin2025-08-2718 minRaymond Chin2025-08-2610 minRaymond Chin2025-08-2519 minRaymond Chin2025-08-2313 minRaymond Chin2025-08-2312 minRaymond Chin2025-08-2211 minRaymond Chin2025-08-2112 minRaymond Chin2025-08-2010 minRaymond Chin2025-08-1913 minRaymond Chin2025-08-1812 minRaymond Chin2025-08-1614 minRaymond Chin2025-08-1513 minRaymond Chin2025-08-1413 minRaymond Chin2025-08-1216 minRaymond Chin2025-08-1118 minRaymond Chin2025-08-1118 minRaymond Chin2025-08-0914 minRaymond Chin2025-08-0918 minRaymond Chin2025-08-0809 minThe Retirement and IRA Show2025-03-191h 09HMM FT - UNTIDAR2024-10-3139 minHMM FT - UNTIDAR2024-07-0526 minHMM FT - UNTIDAR2024-06-1945 minBut I Won\'t Do That Podcast2024-03-0942 minDJ JOHN 972 ☑2024-02-1602 minHMM FT - UNTIDAR2023-09-0847 min知能情報研究室ラジオ
知能情報研究室ラジオ【パターン認識ラジオ】明日の株価をHMMで予測? https://youtu.be/PiyIv3CcHb0   [オープニング音楽]   アナウンサー: 皆さん、こんにちは!「パターン認識ラジオ」へようこそ。今日は、非常に興味深い研究を取り上げます。株価の予測とHidden Markov Models、略してHMM、これら二つを組み合わせた研究を探求します。   [一時停止]   アナウンサー: まず、HMMとは何か。これは、パターン認識や分類問題に広く使用される動的システムのモデリング手法です。状態の数、観測シンボルの数、初期状態確率、状態遷移確率、そして観測確率という、さまざまなパラメータに基づいて隠れた状態の遷移を推定するモデルです。   [一時停止]   アナウンサー: 今回の研究では、特定の航空会社の株価予測にHMMを適用しました。その手法としては、航空会社の過去のデータセットを基にHMMを訓練。そして、その訓練されたHMMを使用して、現在の日のデータセットの尤度値を計算します。この尤度値を元に過去のデータセット中で最も近いインスタンスを探し、その過去の日の終了価格の変動を用いて、次の日の終了価格を予測します。   [一時停止]   アナウンサー: 航空会社の株価予測には、開始価格、終了価格、最高価格、最低価格といった4つの入力特徴が考慮されました。そして、これらの特徴に基づいて、次の日の終了価格が目標として設定されます。   [一時停止]   アナウンサー: このような革新的な手法を試みることで、未来のイベントや変動をより正確に予測する試みが続いています。HMMのアプローチは直接的ではありませんが、過去のデータとの関連性を基にした予測手法として注目を浴びています。   [一時停止]   アナウンサー: 最後に、この研究を紹介してくれた学生の皆さん、そして動画での情報提供をしてくれた方々に、心からの感謝を伝えたいと思います。皆さんの熱意と努力に、敬意を表します。   [エンディング音楽]   アナウンサー: それでは、次回の「パターン認識ラジオ」もお楽しみに。さようなら! 告知リンク: https://www.youtube.com/playlist?list=PLPiQ8tB0Q233SUXcAh_FkCzNS51aN48Ud https://youtu.be/gP7jjWApgHA https://www.kogakuin.ac.jp/admissions/event/oc.html https://www.kogakuin.ac.jp/science/ https://wcci2024.org/
2023-08-2406 min知能情報研究室ラジオ
知能情報研究室ラジオ【パターン認識ラジオ】HMMでネットワーク侵入検知 https://youtu.be/wDDYBp9zi4E オープニング ---   こんにちは、パターン認識ラジオのリスナーの皆様、お待たせしました!今日は特別な内容をお届けします。ある学生さんが非常に興味深い論文を見つけ、その内容を解説する動画を制作してくれました。その論文とは、「隠れマルコフモデルを用いた現代の連続ネットワーク攻撃予測」というものです。   ---   本題 ---   まず、隠れマルコフモデル、通称HMMについて簡単に説明します。HMMは、サイバー攻撃の検知と予測の分野で広く用いられる機械学習の手法です。これを利用することで、未知の侵入を検出し、侵入者の可能性のある次のステップを予測することができます。さらに、リアルタイムのアプリケーションで、データの流れを即座に処理することが可能となります。   それでは、マルコフモデルと隠れマルコフモデルの違いについて触れてみましょう。マルコフモデルは、状態の遷移が確率的に行われるモデルで、次の状態が現在の状態のみに依存する特性を持ちます。対照的に、隠れマルコフモデルは、観測されるデータの背後にある隠れた状態の遷移をモデル化します。   この論文は、2019年にIEEEで発表されました。著者たちは、HMMを使用して連続するネットワーク攻撃の予測モデルを開発し、公開された攻撃データセットでその性能を評価しました。アノマリーベースとシグネチャベースの検知システム、適応型検知システムの概念、そしてHMMのトレーニング方法であるバウムウェルチとヴィテルビについても触れられています。   特に、未知の攻撃を検知するための適応型検知システムや、ネットワークでの防御の第一線としての侵入検知の重要性についての詳細な考察は、現代のサイバーセキュリティの領域で非常に重要です。   ---   クロージング ---   この学生さんが、自らの手と頭でこの論文を深く掘り下げ、理解し、さらにそれをわかりやすく解説する動画を作成したことは本当に感動的です。学びの姿勢と情熱を感じます。   皆さんも是非、この動画をチェックしてみてください。そして、今日の内容がサイバーセキュリティや機械学習に興味を持つきっかけとなれば幸いです。   それでは、次回もお楽しみに!さようなら! 告知リンク: https://www.youtube.com/playlist?list=PLPiQ8tB0Q233SUXcAh_FkCzNS51aN48Ud https://youtu.be/gP7jjWApgHA https://www.kogakuin.ac.jp/admissions/event/oc.html https://www.kogakuin.ac.jp/science/ https://wcci2024.org/
2023-08-2007 minThings That Make You Say Hmm2023-07-1140 minThings That Make You Say Hmm2023-06-2744 minThings That Make You Say Hmm2023-06-2035 minThings That Make You Say Hmm2023-06-1352 minHMM FT - UNTIDAR2023-06-121h 17Things That Make You Say Hmm2023-06-0630 minThings That Make You Say Hmm2023-05-3047 min知能情報研究室ラジオ
知能情報研究室ラジオ【パターン認識ラジオ】HMMとLSTMの共通点と相違点 【音楽が流れ終わり、DJが話し始める】   こんにちは、理数ラジオへようこそ!今日も興味深いテーマでお送りします:音声認識や時系列データの認識のためのモデル、特に「隠れマルコフモデル」(HMM)と「長・短期記憶」(LSTM)モデルについてです。   まず、「隠れマルコフモデル」は、観測されない隠れ状態が存在し、その状態が遷移する過程をモデル化したものです。各隠れ状態は観測データに対応し、このモデルはその観測データがどの状態から生じたかを推定します。例えば、音声認識では、音声の各フレームがどの音素から生成されたかを推定します。   一方、「LSTM」はニューラルネットワークの一種で、時系列データを処理するために設計されています。その「記憶セル」は過去の情報を長期間保持する能力があり、これにより長い依存関係を学習することが可能です。音声認識の場合、LSTMは一連の音声フレームを処理し、各フレームがどの音素に対応するかを学習します。   さて、HMMとLSTMの共通点としては、どちらも時系列データを処理する能力を持っている点が挙げられます。また、両者とも「状態」の概念を利用しており、それぞれの時点での「状態」が次の時点でのデータに影響を与えるという考え方を共有しています。   しかしながら、HMMとLSTMには重要な違いも存在します。HMMは統計的なモデルであり、状態遷移と観測の確率分布を明示的に定義します。一方、LSTMは深層学習の枠組みの中で動作し、データから直接パターンを学習します。そのため、LSTMはより複雑なパターンを捉える能力がありますが、学習には大量のデータが必要となります。   また、グラフィカルモデリングの観点から見ると、HMMは確率的グラフィカルモデルの一種であり、モデルの各部分がどのように相互作用しているかを明示的に表現します。これに対して、LSTMはニューラルネットワークとして表現されますが、各ノード(ニューロン)がどのように相互作用するかは暗黙的で、その中には直感的な解釈が難しい部分もあります。   これらの違いから、HMMはモデルの挙動を理解しやすく、パラメータを解釈しやすいという利点があります。しかし、それは比較的単純なパターンしか捉えることができません。一方、LSTMはより複雑なパターンを学習できる一方で、その内部の動作はブラックボックスのようで解釈が難しく、大量のデータと計算能力が必要です。   音声認識や時系列データ分析において、どのモデルを選択するかは、使用状況やデータの性質によります。HMMは理解しやすく、制約が強い問題に適しています。一方、LSTMはより複雑なパターンを扱うことができ、大量のデータが利用可能な場合に強力です。   以上が、隠れマルコフモデルとLSTMの比較についての解説でした。これらは、パターン認識や音声認識といった問題に対する重要なアプローチであり、その理解は皆さんの理科の学習に役立つでしょう。次回も楽しく学んでいきましょう、それでは、さようなら!   【音楽が流れ始める】 告知リンク: https://wcci2024.org/ https://www.kogakuin.ac.jp/admissions/event/oc.html
2023-05-2209 minThings That Make You Say Hmm2023-05-1631 minThings That Make You Say Hmm2023-05-0948 minThings That Make You Say Hmm2023-05-0251 minThings That Make You Say Hmm2023-04-1832 minThings That Make You Say Hmm2023-04-1127 minThings That Make You Say Hmm2023-04-0450 minThings That Make You Say Hmm2023-03-2843 minThings That Make You Say Hmm2023-03-2148 minThings That Make You Say Hmm2023-03-1431 minThings That Make You Say Hmm2023-03-0745 minThings That Make You Say Hmm2023-02-2843 minHealthcare out-of-the-box - Podcast für Entrepreneurship und Innovation im Gesundheitswesen2023-02-231h 04Things That Make You Say Hmm2023-02-2134 minThings That Make You Say Hmm2023-02-0754 minHMM FT - UNTIDAR2022-10-2630 minHMM FT - UNTIDAR2022-08-1736 minHMM FT - UNTIDAR2022-07-3130 minHMM FT - UNTIDAR2022-06-2637 minHMM FT - UNTIDAR2022-06-2431 minHeavy Metal Messenger & Deano2022-02-0159 minHMM TALK2021-12-2707 minModcast by HMM2021-11-2145 minModcast by HMM2021-11-1913 minModcast by HMM2021-11-1714 minModcast by HMM2021-11-1324 minModcast by HMM2021-11-1325 minModcast by HMM2021-11-0226 minModcast by HMM2021-10-2622 minModcast by HMM2021-09-0519 minHMM FT - UNTIDAR2021-08-2852 minModcast by HMM2021-08-2026 minModcast by HMM2021-07-2727 minModcast by HMM2021-06-2136 minHMM FT - UNTIDAR2021-06-191h 10HMM Berbicara2021-06-1647 minHMM Berbicara2021-06-1028 minHMM Berbicara2021-06-0334 minModcast by HMM2021-05-3127 minModcast by HMM2021-05-2119 minHMM FT - UNTIDAR2021-05-151h 09Modcast by HMM2021-04-2618 minHMM with Sayuru & Chanuka2021-03-2850 minHudson Mohawk Magazine2021-03-1258 minHMM Berbicara2021-01-2757 minHMM Berbicara2021-01-2047 minRaymond Chin2021-01-1727 minHMM Berbicara2021-01-1424 minHMM Berbicara2021-01-0725 minHmm Interesting2020-12-0222 minHMM Berbicara2020-10-141h 00Creativity Excitement Emotion2020-04-0205 minQcreator2019-11-3006 minDisco Energy ((Virus))2016-03-2203 minDjChamus Tucuman Mix2015-09-0205 min1=0 music2015-08-2703 min