AUTOSAR CountdownAdvent Calendar 2022

深層学習五十論文 by 綿岡晃輝単語帳 shell, awk, 英語(25) docker(101)

Last updated at 2024-11-10Posted at 2019-12-31

2019年、俺の読んだ論文50本全部解説(俺的ベスト3付き) 綿岡晃輝　@wataoka
https://qiita.com/wataoka/items/ae782defabc3706b5c93

<この項は書きかけです。順次追記します。>

はじめに

2017年, 2018年は深層学習の読書会に参加するにあたって、

「ゼロから作るDeep Learning ２自然言語処理編」読書会に参加する前に読んで置くとよい資料とプログラム
https://qiita.com/kaizen_nagoya/items/537b1810265bbbc70e73

docker(19) 言語処理100本ノックをdockerで。python覚えるのに最適。
https://qiita.com/kaizen_nagoya/items/7e7eb7c543e0c18438c4

docker(18) なぜdockerで機械学習するか書籍・ソース一覧作成中 (目標100)
https://qiita.com/kaizen_nagoya/items/ddd12477544bf5ba85e2

資料を整理していました。2019年は、量子計算機に焦点を絞り、深層学習は少しほおったらかしにしてきました。

「量子アニーリングの基礎」を読む第１日
https://qiita.com/kaizen_nagoya/items/2bc284faaf0f61278778

そんな後ろめたい気持ちで迎えた年末に、ちょうどねがってもない記事から論文を被験しています。

５０論文の単語帳作成

いつもは同じ領域の１００論文で作成する。固有名詞の幅も狭い。
今回は５０論文だが単語数は14302と数が多い。

文献、図表などの本文以外の文字処理上の課題があるかどうかは未確認。

単語帳を作成する趣旨は、自分の知らない単語はあらかじめ辞書などで調べておくためです。

４５年くらい前から、100ページくらいの文章を読むのに、記憶力が悪く、何度も同じ単語を辞書で引いていました。
PCを使うようになって、あらかじめ単語帳を作り、辞書で引いておく習慣にしています。

英語(18) 英語文献を入手したら
https://qiita.com/kaizen_nagoya/items/cb3d0e299c3c96370a31

短縮名(short name) 略号(abbreviation)

@iKaz888 さんのご意見に基づき作成しはじめました。
まだ全体の 20 10 4 2分の１くらいの作業量です。

過去に自分たちの作った資料で、複数担当で作ったら、資料の中で、R(red)とR(right)の２つの異なる意味で同じ記号の略号が存在したという反省に基づいています。

著者の違う複数の論文を読むときには、同じ記号で別の意味で使っている可能性を最大限調査するのが経験則です。
例えば、MCBNはMonte Carlo Bayesian networkかと思って読んでました。

abbreviation	full spelling
3D	three dimensions
aaai	Advancement of Artificial Intelligence
ACC	accuracy
ACM	Association for Computing Machinery
ai	Artificial intelligence
AMT	Amazon Mechanical Turk
ARL	Army Research Laboratory
AUC	area under the curve, area under the ROC curve
BCA	Balanced Classification Accuracy
BER	Bit Error Rate
BMI	Body Mass Index
BN	Batch Normalization
CB	Class-Balanced
CE	cross entropy
CFI	Canada Foundation for Innovation
CFP	Celebrities in Frontal Profile
CFS	correlation-based feature selection
cifar	Canadian Institute for Advanced Research
CMC	Cumulative Match Characteristic
cnn	Cellular neural network
cnn(s)	Convolutional Neural Network(s)
COMPAS	Correctional Offender Management Profiling for Alternative Sanctions
CRPS	Continuous Ranked Probability Score
CRRA	Constant Relative Risk Aversion
CSFS	cost-sensitive feature selection
cTMU	Conditional Transient Mapping Unit
CUDO	Constant Uncertainty Dropout
CUHK	Chinese University of Hong Kong	http://www.cuhk.edu.hk/english/index.html
CV	cross-validation
cvpr	Conference on Computer Vision and Pattern Recognition
DA	domain adaptation
DAE	Discrimination-Aware Ensemble
dann	Domain Adversarial Neural Network
DAQL	Density Aware Quadruplet Loss
DARPA	Defense Advanced Research Projects Agency
DATL	Density Aware Triplet Loss
DI	Disparate Impact
DiF	Diversity in Faces
DL	Deep Learning
DM	Deep Metric Learning
DM's	decision-maker's
DNN(s)	deep neural network(s)
DOS	deep oversampling framework
DR	Diabetic Retinopathy
DRO	distributionally robust optimization
ECOA	Equal Credit Opportunity Acts
EDE	Equally Distributed Equivalent
EEOC	US Equal Employment Opportunity Commission
EGT	Evolutionary Game Theory
EO	Equal Opportunity
ERM	empirical risk minimization
EUS	Evolutionary Undersampling
FAD	Fair adversarial discriminative
FAIR	Facebook AI Research
FERM	Fair Empirical Risk Minimization
FF	frontal-frontal
FGSM	Fast Gradient Sign Method
FHA	Fair Housing Acts
FL	Focal Loss
FMMR	Fairness Maximal Marginal Relevance
FN	false negative
FNB	Fair Naive-Bayes
FNR	false negative rate
FP	false positive
FP	frontal-profile
FPN	Feature Pyramid Network
FPR	false positive rates
FRQNT	Fonds de recherche du Quebec Nature et technologies
GAMO	Generative Adversarial Minority Oversampling
GAN(s)	Generative adversarial network(s)
GM	geometric mean
GPU	Graphics Processing Unit
GRL	gradient reversal layer
GRU	gated recurrent unit
http(s)	hyper text transfer protocol (secure)
HUD.	Housing and Urban Development
I-FGSM	Iterative FGSM
icml	International Conference on Machine Learning
IEEE	Institute of Electrical and Electronics Engineers
ITFR	Information-Theoretic Feature Ranking
KDE	Kernel Density Estimate
KL	Kullback-Leibler
KNN	k-nearest neighbor
LDS	local distributional smoothness
LFR	Learned Fair Representations
LFW	labeled faces in the wild
LIBSVM1		https://www.csie.ntu.edu.tw/~cjlin/libsvmtools/datasets
LR	Logistic Regression
LR	linear predictor
MCAR	Missing Completely At Random
MCBN	Monte Carlo Batch Normalization
MCC	Matthews correlation coefficient
MCDO	Monte Carlo Dropout
MD	minibatch diversity
MDP	Markov decision process
MIFR	Mutual Information-based Fair Representations
MINECO	Spanish Ministry of Economy and Competitiveness
minist	Modified National Institute of Standards and Technology
MIT	Massachusetts Institute of Technology	http://www.mit.edu/
ML	machine learning
MLReliefF	Multi-Label ReliefF
MMD	maximum mean discrepancy
MMR	Maximal Marginal Relevance
MNF	Multiplicative Normalizing Flows for variational Bayesian networks
mRMR	Minimum Redundancy Maximum Relevance
MSA	minimum subgroup accuracy
mSDA	marginalized Stacked Autoencoders
MUG	Multiplayer version of the Ultimatum Game
NBS	naive Bayes
NCCL	NVIDIA Collective Communication Library
NCFS	Non-Convex Feature Learning
NGO	Non Governmental Organization
nips	Neural Information Processing Systems
nn	neural network
NSERC.	Natural Sciences and Engineering Research Council of Canada
NSF	National Science Foundation
NYPD	New York Police Devision
OHEM	online hard example mining
OPT	optimization
OTOS	Optimal Transport for OverSampling
PAD	Proxy A-distances
PBP	Probabilistic backpropagation
PCA	Principle Component Analysis
PCG	primary condition group
PLL	Log likelihood
POF	price of fairness
PRID	Progesterone Releasing Intravaginal Device
RBA	reducing bias amplification
ReLU	rectified linear unit
resnet	Residual neural network
ResNets	Residual neural network
RFS	Robust Feature Selection
RKHS	Reproducing Kernel Hilbert Space
RLR	Regularized Logistic Regression
ROC	Reject Option based Classification
RPT	random perturbation training
RUS	random majority undersampling
SE	Squeeze and Excitation
SEAT	Sentence Encoder Association Test
SGD	stochastic gradient descent
SGM	Sigmoid
SM	Softmax
SMOTE	Synthetic Minority Oversampling TEchnique
SSL	semi-supervised learning
STEM	Science, Technology, Engineering, and Math
SUM.	sample-level uncertainty modeling
SUNDIAL	SUrvey Network for Deep Imaging Analysis and Learning
SVHN	Street View House Numbers
svm	Support vector machine,
SVM-RFE	support vector machine recursive feature elimination
TN	true negative
TP	true positive
UCI	University of Californiaj Irvine
UG	Ultimatum Game
ui	user interface
UMM	uncertainty-based margin
US/USA	Unites States of America
USD	US Dollar
VAE	Variational Auto Encoders
VAEs	virtual adversarial examples
VAT	virtual adversarial training
VI	variational inference
VIPeR	viewpoint invariant pedestrian recognition
WEAT	Word Embedding Association Test
YTF	YouTube Faces

主な同一表現の別の言葉は、

CA: California
CA: Canada

FP: false positive
FP: frontal-profile

LR: Logistic Regression
LR : linear predictor , Learning Fair Representations, Richard Zemel, 2013

VAE: Variational Auto Encoders
VAEs: virtual adversarial examples

英語(2) まぎらわしい、間違えやすい、行き違いの多い略号worst 10(候補24)
https://qiita.com/kaizen_nagoya/items/0bff5dbb72208053489b

英語(3) 仮説・検証(88)用語の衝突(用語・用例募集中)
https://qiita.com/kaizen_nagoya/items/6a8eb7ffaa45eeb16624

LRを
https://en.wikipedia.org/wiki/LR#Science%2C_technology_and_mathematics
に追記してみました。

固有名詞用語集(onomasticon)

まだ全体の 50 45 10 分の１くらいの作業量です。

onomasticon	URL
acm	https://www.acm.org
arxiv	http://www.arxiv.com
bayesian	https://en.wikipedia.org/wiki/Bayesian_network
cifar	http://www.cifar.ca
DARPA	https://www.darpa.mil/
dwork	https://en.wikipedia.org/wiki/Cynthia_Dwork
ECOA	https://www.justice.gov/crt/equal-credit-opportunity-act-3
FHA	https://www.hud.gov/program_offices/fair_housing_equal_opp/fair_housing_act_overview
gaussian	https://en.wikipedia.org/wiki/List_of_things_named_after_Carl_Friedrich_Gauss
ieee	http://www.ieee.org
Lipschitz	https://en.wikipedia.org/wiki/Rudolf_Lipschitz
NCCL	https://developer.nvidia.com/nccl
pytorch	https://pytorch.org
zafar	https://people.mpi-sws.org/~mzafar/
Zemel	http://www.cs.toronto.edu/~zemel/inquiry/home.php

英語(24) アン(-an)の部屋（28人名から学ぶ数学・物理）
https://qiita.com/kaizen_nagoya/items/e02cbe23b96d5fb96aa1

単語出現頻度(word count)

型(type): 略号（abbreviation）, 固有名詞（onomasticon）,変数(variable)

word	日本語	count	type
the	その	21520
of	の	10920
and	そして	9426
a	a	8575
to	に	8345
in	に	7392
is	は	5409
we	私達	5238
for	にとって	5016
x	x	4168	variable
that	それ	3919
on	に	3366
with	と	2940
i	私	2732
as	なので	2694
by	沿って	2365
this	この	2288
t	t	2259
f	f	2209	variable
s	s	2147
are	は	2055
y	y	1924	variable
be	なる	1920
learning	学習	1854
d	d	1845
fairness	公平	1704
p	p	1703
data	与件	1688
from	から	1660
k	k	1635
g	g	1563
can	できる	1556
our	私たちの	1492
m	m	1453
j	j	1431
an	an	1428
training	訓練	1407
class	級	1374
b	b	1352
r	r	1287
loss	損失	1283
h	h	1277
c	c	1261
z	z	1203
model	模型	1193
which	どれ	1134
e	e	1119
n	n	1116
adversarial	敵対者	1096
it	それ	1063
et	ら	990
not	じゃない	988
al	al	987
samples	例	974
each	各	918
l	l	891
w	w	884
or	または	856
set	設定する	854
at	で	844
all	すべて	819
have	持ってる	797
classification	分類	788
where	どこ	776
using	を使用して	755
one	一	722
if	もし	696
between	の間に	693
results	結果	692
fair	公平	690
two	二	689
u	あなたは	663
algorithm	解法	656
accuracy	正確さ	642
classifier	分類器	642
these	これら	641
dataset	与件集合	639
more	もっと	631
used	中古	628
figure	図	603
different	違う	591
also	また	590
such	そのような	588
when	いつ	587
function	関数	584
neural	神経の	578
examples	例	571
then	それから	570
q	q	569
distribution	分布	568
group	集まり	562
network	通信網	558
over	以上	551
deep	深い	542
v	v	533
use	使用する	520
networks	網	516
number	数	515
performance	性能	509
models	模型	508
has	持っている	502
only	のみ	502
than	より	495
their	彼らの	491
based	基づく	490
input	入力	485
feature	特徴	482
problem	問題	481
sample	例	477
method	方法	472
metric	測定	467
will	意志	458
methods	方法	456
other	その他	456
given	与えられた	455
error	誤り	452
softmax	軟最大	445
any	どれか	441
machine	機械	439
large	大	435
classes	級	434
domain	領域	433
while	ながら	427
work	作業	427
sensitive	敏感な	425
both	どちらも	424
information	情報	421
but	だが	418
conference	会議	409
trained	訓練された	409
features	特徴	405
show	公演	405
rate	割合	403
datasets	与件集合	402
test	試験	402
first	最初	399
proposed	提案された	389
target	目標	388
approach	やり方	383
arxiv	arxiv	380	onomasticon
its	その	378
xi	xi	376	variable
case	場合	373
section	節	362
decision	決定	360
linear	線形	355
same	同じ	351
label	名札	349
there	そこ	349
however	しかしながら	348
optimal	最適な	348
no	番号	346
experiments	実験	341
following	以下	340
example	例	339
table	表	338
image	画像	337
some	いくつか	336
how	どうやって	334
layer	層	333
dnn	dnn	332	abbreviation
probability	確率	328
distance	距離	327
systems	系	320
images	画像	319
positive	前向き	319
consider	考える	318
values	値	311
representations	表現	310
may	五月	309
size	大きさ	307
impact	影響	305
note	注意	305
log	記録	297
value	値	293
they	彼ら	291
time	時間	291
output	出力	288
similar	同様の	288
into	に	287
thus	かくして	287
most	最も	286
pages	ページ数	286
space	空間	286
so	そう	285
recognition	認識	283
cost	費用	281
parameters	引数	281
small	小さい	279
yi	yi	278	variable
was	だった	275
measure	測る	273
let	させる	269
disparate	異なる	267
do	行う	266
labels	名札	263
discrimination	差別	261
would	するだろう	261
ieee	IEEE	260	abbreviation
bias	偏り	251
optimization	最適化	251
points	点	250
negative	負	249
high	高い	248
max	最大	248
source	源	248
cifar	cifar	246	abbreviation
mean	平均	246
algorithms	解法	244
proceedings	議事録	244
prediction	予測	243
representation	表現	242
new	新着	241
random	無作為	241
us	我ら	241
see	見る	240
vector	有向量	240
does	する	238
pr	pr	238
research	研究	237
under	下	237
without	なしで	237
o	o	235
well	上手	235
ml	ml	234
uncertainty	不確実性	232
mnist	mnist	231	abbreviation
original	元の	231
risk	危険	231
individuals	個人	230
theorem	定理	230
objective	目的	229
paper	論文	229
since	以来	229
defined	定義済み	228
minority	少数	228
face	面	226
batch	束	225
constraints	制約	225
sampling	標本化	223
learned	学んだ	221
classifiers	分類子	220
definition	定義	220
individual	個人	220
task	仕事	220
gradient	勾配	218
standard	標準	218
bound	行きの	217
non	非	217
been	されている	215
groups	集まり	212
knowledge	知識	212
were	だった	210
attribute	属性	209
better	より良い	208
learn	学ぶ	208
parameter	引数	207
international	国際	206
because	なぜなら	205
should	すべき	203
imbalanced	不均衡	201
adversary	敵	200
respect	尊敬	200
about	約	199
fig	図	197
proof	証明	197
eq	eq	196
many	たくさんの	196
equal	等しい	194
train	列車	194
architecture	建築	193
here	ここに	193
setting	設定	193
shows	示す	192
min	分	191
perturbation	摂動	191
real	現実	191
distributions	分布	190
analysis	分析	189
margin	余白	189
constraint	制約	187
even	でも	186
functions	関数	186
result	結果	185
second	第二	185
binary	二進	184
now	今	183
substitute	代替	182
during	中に	181
make	作る	181
terms	条項	181
th	番目	181
against	に対して	180
shown	示す	180
point	点	179
step	段階	178
supervised	監督	178
through	使って	178
multi	複数の	177
computer	計算機	176
parity	一致	176
hypothesis	仮説	175
wk	週	175
larger	大きい	174
sets	集合	174
statistical	統計的	174
long	長いです	173
assume	想定する	172
state	状態	172
transfer	転送	172
above	上	171
follows	従う	171
lower	低い	171
processing	処理	171
single	単一	171
corresponding	対応する	170
distillation	蒸留	170
minibatch	小束	170
study	調査	170
across	に渡って	169
framework	枠組み	169
imbalance	不均衡	169
acm	acm	168
human	人間	168
vat	バット	168
TRUE	真	168
best	最善	167
level	水準	167
multiple	複数	167
particular	特定の	167
term	期間	166
biased	偏った	165
convolutional	たたみ込み	164
due	期限	164
layers	層	163
average	平均	162
define	定義する	161
denote	示す	161
opportunity	機会	161
difference	差	160
find	見つける	159
possible	可能	159
process	処理する	159
after	後	158
regression	退行	158
selection	選択	158
several	いくつかの	158
provide	提供する	157
respectively	それぞれ	157
good	良い	156
scale	規模	156
very	非常に	155
validation	検証	154
order	注文	153
adaptation	適応	152
synthetic	合成	152
convex	凸面	151
gender	性別	151
pairs	対	151
protected	保護された	151
therefore	したがって	151
per	あたり	150
achieve	成し遂げる	149
approaches	やり方	149
making	作り	149
regularization	正則化	149
attributes	属性	148
fixed	修繕	148
gi	gi	148
generated	生成された	147
predictions	予測	147
dt	dt	146
preprint	前刷り	145
ds	ds	144
further	さらに	144
lemma	補題	144
system	系	144
weight	重量	144
cnn	cnn	143	abbreviation
instance	実例	143
oracle	神託	143
svm	svm	143	abbreviation
gf	GF	142
higher	より高い	142
instead	代わりに	142
specific	明確な	142
empirical	経験的	141
measures	対策	141
much	ずっと	141
every	毎回	140
general	一般的な	140
low	低い	140
metrics	指標	140
tasks	仕事	139
being	であること	138
like	お気に入り	138
expected	期待される	137
mixup	混同	137
need	必要	137
often	しばしば	137
baseline	基準線	136
erm	えーっと	136
three	三	136
constant	絶え間ない	135
way	仕方	135
classi	classi	134
effective	効果的	134
inputs	入力	134
lipschitz	lipschitz	134	onomasticon
utility	効用	134
simple	簡単な	133
theoretical	理論的	133
cross	十字	132
less	もっと少なく	132
resnet	resnet	132	abbreviation
via	経由で	132
pp	pp	131
them	それら	131
university	大学	131
up	上に	131
appendix	付録	130
aware	気がついて	130
those	それら	130
could	たぶん......だろう	129
decisions	決定	129
dm	dm	129
propose	提案する	129
solution	解決	129
evaluation	評価	128
obtain	入手します	128
dnns	dnns	127	abbreviation
object	対象	127
out	でる	127
procedure	手順	127
re	再	127
another	別の	126
compared	比較した	126
comparison	比較	126
previous	前	126
race	人種	126
balanced	均衡のとれた	125
design	設計	125
epochs	世紀	125
matrix	行列	124
existing	既存の	123
search	探す	123
what	何	123
whether	かどうか	123
top	上	122
com	com	121
compute	計算する	121
form	形	121
goal	目標	121
hidden	隠された	121
improve	改善する	121
majority	過半数	121
applied	適用された	120
effect	効果	120
labeled	名札付き	120
least	少なくとも	120
li	li	120
observe	観察する	120
predict	予測する	120
weights	重り	120
evaluate	評価する	119
notion	概念	119
related	関連する	119
selected	選択された	119
problems	問題点	118
according	に応じて	117
able	できる	116
art	芸術	116
ez	ez	116
qi	気	116
rule	規則	116
attack	攻撃	115
bayesian	baysesian	115	onomasticon
hard	硬い	115
he	彼	115
cases	場合	114
demographic	人口統計	114
equation	方程式	113
rates	率	113
close	閉じる	112
forward	進む	112
generalization	一般化	112
perform	演じる	112
mapping	対応づけ	111
must	しなければならない	111
norm	規範	111
still	まだ	111
cvpr	cvpr	110	abbreviation
requires	が必要です	110
social	社会	110
techniques	技術	110
triplet	三揃	110
compare	比べる	109
estimate	見積り	109
future	未来	109
computing	計算	108
region	領域	108
theory	理論	108
allocation	割り当て	107
instances	実例	107
FALSE	偽	106
robust	壮健	105
strategy	戦略	105
success	成功	105
threshold	敷居	105
described	説明した	104
experiment	実験	104
important	重要	104
made	製	104
means	手段	104
science	理科	104
settings	設定	104
ai	ai	103	abbreviation
architectures	建築	103
fully	完全に	103
obtained	得た	103
similarly	同様に	103
take	取る	103
finally	最後に	102
world	世界	102
compas	羅針盤	101
directly	直接	101
goodfellow	仲良し	101
notions	概念	101
perturbations	摂動	101
stochastic	確率的	101
within	以内に	101
detection	検出	100
experimental	実験的	100
including	含む	100
present	提示	100
access	接続	99
advances	前進	99
artificial	人工的な	99
focal	焦点	99
quality	品質	99
significantly	かなり	99
support	支援	99
benefit	恩恵	98
computed	計算された	98
domains	領域	98
inequality	不平等	98
maximum	最大	98
might	かもしれない	98
range	範囲	98
similarity	類似性	98
upper	上の	98
user	利用者	98
end	終わり	97
entropy	エントロピー	97
few	少ない	97
found	見つけた	97
literature	文献	97
pi	pi	97
recent	最近	97
robustness	堅牢性	97
vision	資格	97
zhang	張	97
algorithmic	解法の	96
di	di	96
intelligence	知性	96
smaller	小さい	96
testing	検査	96
total	合計	96
towards	に向かって	96
who	誰	96
vectors	有向量	95
condition	調子	94
defer	延期する	94
equality	平等	94
focus	絞る	94
normalized	正規化	94
right	正しい	94
shot	撃つ	94
center	中央	92
confidence	信頼	92
either	どちらか	92
imagenet	像網	92
main	主	92
nips	nips	92	abbreviation
rather	むしろ	92
works	働く	92
among	の間で	91
chen	陳	91
cos	cos	91
dwork	dwork	91	onomasticon
eo	eo	91
population	人口	91
recall	想起	91
stage	段階	91
gaussian	gaussian	90	onomasticon
line	線	90
semi	副	90
specifically	具体的に	90
version	版	90
wi	版	90
zemel	zemel	90	onomasticon
bn	十億	89
fact	事実	89
generate	生む	89
hand	手	89
https	https	89	abbreviation
increasing	増加している	89
known	知られている	89
next	次	89
resulting	結果として	89
vi	vi	89
angular	角張った	88
current	電流	88
dropout	脱落	88
head	頭	88
trade	取引	88
adult	大人	87
attacks	攻撃	87
conv	conv	87
dann	dann	87	abbriviation
last	最終	87
mining	採掘	87
practice	練習	87
reported	報告	87
additional	追加	86
allows	許可する	86
apply	適用する	86
approximate	近似	86
approximation	近似	86
box	箱	86
considered	考えた	86
increases	増加する	86
predictive	予測的	86
prior	先に	86
unfair	不公平	86
units	単位	86
wang	王	86
zero	零	86
context	環境	85
crafting	工芸	85
equivalent	同等の	85
natural	自然の	85
pair	対	85
available	利用可能	84
change	変化する	84
ci	ci	84
formulation	定式化	84
introduce	導入する	84
issues	課題	84
ber	ビール	83
cannot	できない	83
ensure	確保する	83
equalized	均等化	83
hence	したがって	83
indeed	確かに	83
iq	iq	83
likely	たぶん	83
odds	勝算	83
ut	ut	83
although	でも	82
makes	作ります	82
bounds	境界	81
cs	cs	81
introduced	導入された	81
left	左	81
needs	必要性	81
nn	nn	81	abbreviation
off	オフ	81
welfare	福祉	81
augmentation	増強	80
control	制御	80
dh	dh	80
journal	雑誌	80
noise	雑音	80
reduce	減らす	80
sign	符号	80
ui	ui	80	abbreviation
uses	使用する	80
wt	wt	80
address	住所	79
bounded	跳ねる	79
choice	選択	79
chosen	選ばれた	79
discriminative	差別的	79
distortion	ねじれ	79
increase	増加する	79
logistic	論理的	79
outcomes	結果	79
part	部	79
pattern	類型	79
performed	行った	79
provides	提供する	79
yes	はい	79
achieved	達成した	78
agents	代理	78
aj	aj	78
classified	分類された	78
demonstrate	実証する	78
dimension	寸法	78
direction	方向	78
hardt	辛い	78
require	必要とする	78
round	円形	78
technique	技術	78
unfairness	不公平	78
zafar	zafar	78	onomasticon
complexity	複雑	77
details	詳細	77
difficult	難しい	77
easy	かんたん	77
fraction	分数	77
http	http	77	abbreviation
icml	icml	77	abbreviation
members	要員	77
proposition	命題	77
pytorch	pytorch	77	onomasticon
team	班	77
various	いろいろ	77
xt	xt	77
around	周り	76
black	黒	76
suppose	仮定する	76
achieves	達成する	75
computation	計算	75
dp	dp	75
interviewees	面談対象者	75
satisfy	満足させる	75
sensitivity	感度	75
survey	調査	75
fast	速い	74
implementation	実装	74
meta	超	74
moreover	さらに	74
question	質問	74
regret	後悔	74
relu	relu	74
biases	偏り	73
definitions	定義	73
er	er	73
estimates	見積り	73
liu	u	73
lr	lr	73
provided	提供された	73
significant	重要な	73
unit	単位	73
certain	確かな	72
credit	信用	72
estimation	推定	72
generative	原動力	72
income	所得	72
minimization	最小化	72
optimize	最適化する	72
org	組織	72
otherwise	さもないと	72
program	計画	72
reject	拒絶する	72
strategies	戦略	72
users	利用者	72
virtual	仮想	72
bayes	bayes	71	onomasticon
before	前	71
david	david	71
efficient	効率的	71
full	一杯	71
implies	含意する	71
kn	kn	71
mcbn	mcbn	71	abbreviation
minimizing	最小化	71
observed	観察された	71
pa	pa	71
patterns	類型	71
subset	部分集合	71
errors	誤り	70
four	四	70
get	取得する	70
overall	全体	70
people	人	70
properties	財産	70
repair	修復	70
residual	残余	70
tail	尾	70

docker

プログラムちょい替え（10）英語(14) 単語帳作成 dockerで（文字コード対応）量子計算機　arXiv掲載　西森秀稔　論文(shell, awk), docker(82)
https://qiita.com/kaizen_nagoya/items/319672853519990cee42

作成時のスクリプトなどを利用。

macOS

$ docker run -v /tmp/docker:/tmp/docker -it kaizenjapan/qc-nakamori /bin/bash

-v /tmp/docker:/tmep/dockerは、dockerを起動するシステムに/tmp/dockerというフォルダが利用可能な場合に記載。フォルダ名は、利用できるもので、docker側が空のものであればよい。ファイル共有するつもりがなければ不要。

docker/ubuntu

# cd /home/wataoka/work
# ./ptt.sh
# cat ../text/* > all.txt
# tr 'a-z' 'A-Z' < all.txt > small.txt
# awk -f wc.awk small.txt > wc.txt
# ls ../
pdf  text  work
# ls 
all.txt  ptt.sh  small.txt  wc.awk  wc.csv  wc.org  wc.txt  wc.xlsx

wc.csvが14302語の単語帳csv(comma separated value)ファイル。
同じ内容のwc.xlsxはExcelファイル

上記表の90回以上出現する単語は日本語は未整備。

ptt.sh

 #!/bin/bash

 cd ../nakamori
 for File in *; do
    case ${File##*.} in
        pdf|PDF )
            echo "Convert the PDF:" ${File}
            pdftotext -q ${File} ../text/${File}.txt ;;
        *) ;;
    esac
 done

固有名詞などの確認

docker/ubuntu

# cd work
# grep zemel all.txt
University of Toronto, Department of Computer Science. Supported by NSERC. Email: zemel@cs.toronto.edu.
mlr.press/v28/zemel13.html.
zemel@cs.toronto.edu

共出現率計算プログラム検索中。

awk

wc.awk

# Print list of word frequencies
# https://researchmap.jp/jomd7nobo-45644/
# This is for papers, not for programming.
# remove _ from gsub list 20200101 @kaizen_nagoya

{
    $0 = tolower($0)    # 
    gsub(/[^a-z \t]/, " ", $0)  #
    for (i = 1; i <= NF; i++)
        freq[$i]++
}

END {
    for (word in freq)
        printf "%s\t%d\n", word, freq[word]
}

ファイル一覧

標題名順

title	file
A Survey on Bias and Fairness in Machine Learning	1908.09635.pdf
Accurate, Large Minibatch SGD: Training ImageNet in 1 Hour	1706.02677.pdf
Bayesian Uncertainty Estimation for Batch Normalized Deep Networks	1802.06455.pdf
Certifying and removing disparate impact	1412.3756.pdf
Class-Balanced Loss Based on Effective Number of Samles	1901.05555.pdf
Classification with Fairness Constraints: A Meta-Algorithm with Probable Guarantees	1806.06055.pdf
Cost-Sensitive Feature Selection by Optimizing F-measures	1904.02301v1.pdf
Data Decision and Theoretical Implications when Adversarially Learning Fair Representations	1707.00075.pdf
Decision Theory for Discrimination-aware Classification	ICDM_2012.pdf
Distillation as a Defense to Adversarial Perturbations against Deep Neural Networks	1511.04508.pdf
Domain-Adversarial Training of Neural Networks	1505.07818.pdf
Empirical Risk Minimization under Fairness Constraints	1802.08626.pdf
Enhancing the Accuracy and Fairness of Human Decision Making	1805.10318.pdf
Evolution of collective fairness in hybrid populations of humans and agents	4450.pdf
Explaining and Harnessing Adversarial Examples	1412.6572.pdf
Exploiting Synthetically Generated Data with Semi-Supervised Learning for Small and Imbalanced Datasets	1903.10022.pdf
Fairness Behind a Veil of Ignorance: A Welfare Analysis for Automated Decision Making	1806.04959.pdf
Fairness Through Awareness	1104.3913.pdf
Fairness Through Computationally-Bounded Awareness	1803.03239.pdf
Fairness Without Demographics in Repeated Loss Minimization	1806.0801.pdf
Focal Loss for Dense Object Detection	1708.02002.pdf
Generative Adversarial Minority Oversampling	1903.09730v1.pdf
Group Fairness for Indivisible Goods Allocation	group-fairness-aaai.pdf
Imperceptible Adversarial Attacks on Tabular Data	1911.03274.pdf
Improving Fairness in Machine Learning Systems: What Do Industry Practitioners Need?	1812.05239.pdf
Large-Margin Softmax Loss for Convolutional Neural Networks	1612.02295.pdf
Learning Adversarially Fair and Transferable Representations	1802.06309.pdf
Learning Controllable Fair Representations	1812.04218.pdf
Learning Fair Representations	icml-final.pdf
Learning to Model the Tail	7278-learning-to-model-the-tail.pdf
Limitations of the Lipschits constant as a defense against adversarial examples	1807.09705.pdf
Max-margin Class Imbalanced Learning with Gaussian Affinity	1901.07711.pdf
mixup: Beyond Empirical Risk Minimization	1710.09412.pdf
On Learning Density Aware Embeddings	1904.03911.pdf
On the Legal Comparability of Fairness Definitions	1912.00761.pdf
One-network Adversarial Fairness	AAAI2019_OneNetworkAdversarialFairness.pdf
Online Learning with an Unknown Fairness Metric	1802.06936.pdf
Oversampling for Imbalanced Data via Optimal Transport	4381.pdf
Practical Black-Box Attacks against Machine Learning	1602.02697.pdf
Predict Responsibly: Improving Fairness and Accuracy by Learning to Defer	1711.06664.pdf
PyTorch: An Imperative Style, High-Performance Deep Learning Library	1912.01703.pdf
Recovering from Biased Data: Can Fairness Constraints Improve Accuracy?	1912.01094.pdf
SphereFace: Deep Hypersphere Embedding for Face Recognition	1704.08063.pdf
Striking the Right Balance with Uncertainty	1901.07590.pdf
The Cost of Fairness in Binary Classification	menon18a.pdf
The Limitations of Deep Learning in Adversarial Settings	1511.07528.pdf
Trainable Undersampling for Class-Imbalance Learning	aaai.2019.classimbalance.pdf
Transfer of Machine Learning Fairness across Domains	1906.09688.pdf
Using Image Fairness Representations in Diversity-Based Re-ranking for Recommendations	1809.03577.pdf
Virtual Adversarial Training: A Regularization Method for Supervised and Semi-Supervised Learning	1704.03976.pdf

参考文献一覧(reference list)

上記書籍の参考文献の一覧を作成中。

各論文で出てくる略号も一覧中。

参考文献駆動執筆の分類
https://qiita.com/kaizen_nagoya/items/fc2300b3717f61d39dee

参考文献駆動執筆(references driven writing)・デンソークリエイト編
https://qiita.com/kaizen_nagoya/items/b27b3f58b8bf265a5cd1

参考資料(reference)

dockerで機械学習 with anaconda(1)「ゼロから作るDeep Learning - Pythonで学ぶディープラーニングの理論と実装」斎藤康毅著
https://qiita.com/kaizen_nagoya/items/a7e94ef6dca128d035ab

「ゼロから作るDeep Learning ２自然言語処理編」読書会に参加する前に読んで置くとよい資料とプログラム
https://qiita.com/kaizen_nagoya/items/537b1810265bbbc70e73

docker(18) なぜdockerで機械学習するか書籍・ソース一覧作成中 (目標100)
https://qiita.com/kaizen_nagoya/items/ddd12477544bf5ba85e2

docker(19) 言語処理100本ノックをdockerで。python覚えるのに最適。
https://qiita.com/kaizen_nagoya/items/7e7eb7c543e0c18438c4

ゼロから作るDeepLearning２自然言語処理編　読書会の進め方（例）
https://qiita.com/kaizen_nagoya/items/025eb3f701b36209302e

深層学習・機械学習　出願特許
https://qiita.com/kaizen_nagoya/items/38085a4fb38cd1d9e4d8

英語(1) プログラマが知っているとよい英単語の語源
https://qiita.com/kaizen_nagoya/items/9de6d47c47e2c211222b

＜この記事は個人の過去の経験に基づく個人の感想です。現在所属する組織、業務とは関係がありません。＞

文書履歴(document history)

ver. 0.01 初稿 20191231
ver. 0.02 略号、固有名詞追記 20200101 午後
ver. 0.03 用語頻度90まで一覧略号、固有名詞追記 20200101 夕
ver. 0.04 用語頻度80まで一覧略号、固有名詞追記 20200101 夜
ver. 0.05 用語頻度70まで一覧略号、固有名詞追記 20200101 真夜中
ver. 0.06 参考文献一覧作成中略号、固有名詞追記 20200102 午前
ver. 0.07 参考資料追記 20200102 昼
ver. 0.08 略号100語到達 20200102 午後
ver. 0.09 略号160語 20200103 午後
ver. 0.10 はじめに追記 20200103 夜

作業場

まだfull spellingを記載していない略号等

CASIA
LFW
PCA
RBF
L-BFGS
LSTMs
MP-DBM
EU
FEDER
LSP
LSPFS
SMOTE
USP
SIG
AALIM
AIDS.
CA
DMNS
ECGs
HIV
COLT
ICML
ITCS
NIPS
SIAM
GF1A
GF1B
COCO
HOG
SSD
YOLO
FGSM
NSF
ONR
AFOSR
SPAM
MLP
LAFTR
LeNet ?
PCA
SUN
t-SNE
CoRR
CRA
VGG-11
ADASYN
DANGER
MWMOTE
GRF
HKRGC
API
APL
CNTK
NumPy
SciPy
Pandas
FIFO
CPU
AUCPRC
ALLKNN

<この項は書きかけです。順次追記します。>
This article is not completed. I will add some words and/or centences in order.

自己記事一覧

Qiitaで逆リンクを表示しなくなったような気がする。時々、スマフォで表示するとあらわっることがあり、完全に削除したのではなさそう。

４月以降、せっせとリンクリストを作り、統計を取って確率を説明しようとしている。
2025年２月末を目標にしている。

一覧の一覧( The directory of directories of mine.) Qiita(100)
https://qiita.com/kaizen_nagoya/items/7eb0e006543886138f39

仮説（0）一覧（目標100現在40）
https://qiita.com/kaizen_nagoya/items/f000506fe1837b3590df

Qiita(0)Qiita関連記事一覧（自分）
https://qiita.com/kaizen_nagoya/items/58db5fbf036b28e9dfa6

Error一覧 error(0)
https://qiita.com/kaizen_nagoya/items/48b6cbc8d68eae2c42b8

C++ Support(0)　
https://qiita.com/kaizen_nagoya/items/8720d26f762369a80514

Coding(0) Rules, C, Secure, MISRA and so on
https://qiita.com/kaizen_nagoya/items/400725644a8a0e90fbb0

Ethernet 記事一覧　Ethernet(0)
https://qiita.com/kaizen_nagoya/items/88d35e99f74aefc98794

Wireshark 一覧 wireshark(0)、Ethernet(48)
https://qiita.com/kaizen_nagoya/items/fbed841f61875c4731d0

線網（Wi-Fi）空中線(antenna)(0) 記事一覧(118/300目標)
https://qiita.com/kaizen_nagoya/items/5e5464ac2b24bd4cd001

なぜdockerで機械学習するか書籍・ソース一覧作成中 (目標100)
https://qiita.com/kaizen_nagoya/items/ddd12477544bf5ba85e2

プログラムちょい替え（0）一覧:4件
https://qiita.com/kaizen_nagoya/items/296d87ef4bfd516bc394

言語処理100本ノックをdockerで。python覚えるのに最適。:10+12
https://qiita.com/kaizen_nagoya/items/7e7eb7c543e0c18438c4

Python(0)記事をまとめたい。
https://qiita.com/kaizen_nagoya/items/088c57d70ab6904ebb53

安全（0）安全工学シンポジウムに向けて: 21
https://qiita.com/kaizen_nagoya/items/c5d78f3def8195cb2409

プログラマによる、プログラマのための、統計(0)と確率のプログラミングとその後
https://qiita.com/kaizen_nagoya/items/6e9897eb641268766909

転職(0)一覧
https://qiita.com/kaizen_nagoya/items/f77520d378d33451d6fe

技術士(0)一覧
https://qiita.com/kaizen_nagoya/items/ce4ccf4eb9c5600b89ea

Reserchmap(0) 一覧
https://qiita.com/kaizen_nagoya/items/506c79e562f406c4257e

物理記事　上位100
https://qiita.com/kaizen_nagoya/items/66e90fe31fbe3facc6ff

量子(0) 計算機, 量子力学
https://qiita.com/kaizen_nagoya/items/1cd954cb0eed92879fd4

数学関連記事１００
https://qiita.com/kaizen_nagoya/items/d8dadb49a6397e854c6d

coq(0) 一覧
https://qiita.com/kaizen_nagoya/items/d22f9995cf2173bc3b13

統計(0)一覧
https://qiita.com/kaizen_nagoya/items/80d3b221807e53e88aba

図(0) state, sequence and timing. UML and お絵描き
https://qiita.com/kaizen_nagoya/items/60440a882146aeee9e8f

色(0) 記事100書く切り口
https://qiita.com/kaizen_nagoya/items/22331c0335ed34326b9b

品質一覧
https://qiita.com/kaizen_nagoya/items/2b99b8e9db6d94b2e971

言語・文学記事　１００
https://qiita.com/kaizen_nagoya/items/42d58d5ef7fb53c407d6

医工連携関連記事一覧
https://qiita.com/kaizen_nagoya/items/6ab51c12ba51bc260a82

水の資料集(0)　方針と成果
https://qiita.com/kaizen_nagoya/items/f5dbb30087ea732b52aa

自動車　記事　１００
https://qiita.com/kaizen_nagoya/items/f7f0b9ab36569ad409c5

SDV 一覧　
https://qiita.com/kaizen_nagoya/items/49aba886ad208e2aa70f

通信記事１００
https://qiita.com/kaizen_nagoya/items/1d67de5e1cd207b05ef7

日本語（０）一欄
https://qiita.com/kaizen_nagoya/items/7498dcfa3a9ba7fd1e68

英語(0) 一覧
https://qiita.com/kaizen_nagoya/items/680e3f5cbf9430486c7d

音楽　一覧(0)
https://qiita.com/kaizen_nagoya/items/b6e5f42bbfe3bbe40f5d

「@kazuo_reve 新人の方によく展開している有益な情報」確認一覧
https://qiita.com/kaizen_nagoya/items/b9380888d1e5a042646b

鉄道（０）鉄道のシステム考察はてっちゃんがてつだってくれる
https://qiita.com/kaizen_nagoya/items/faa4ea03d91d901a618a

OSEK OS設計の基礎　OSEK(100)
https://qiita.com/kaizen_nagoya/items/7528a22a14242d2d58a3

coding (101) 一覧を作成し始めた。omake:最近のQiitaで表示しない5つの事象
https://qiita.com/kaizen_nagoya/items/20667f09f19598aedb68

官公庁・学校・公的団体（NPOを含む）システムの課題、官（０）
https://qiita.com/kaizen_nagoya/items/04ee6eaf7ec13d3af4c3

「はじめての」シリーズ　ベクタージャパン　
https://qiita.com/kaizen_nagoya/items/2e41634f6e21a3cf74eb

AUTOSAR(0)Qiita記事一覧, OSEK(75)
https://qiita.com/kaizen_nagoya/items/89c07961b59a8754c869

プログラマが知っていると良い「公序良俗」
https://qiita.com/kaizen_nagoya/items/9fe7c0dfac2fbd77a945

LaTeX(0) 一覧　
https://qiita.com/kaizen_nagoya/items/e3f7dafacab58c499792

自動制御、制御工学一覧（０）
https://qiita.com/kaizen_nagoya/items/7767a4e19a6ae1479e6b

Rust(0) 一覧　
https://qiita.com/kaizen_nagoya/items/5e8bb080ba6ca0281927

深層学習五十論文 by 綿岡晃輝単語帳 shell, awk, 英語(25) docker(101)

はじめに

５０論文の単語帳作成

短縮名(short name) 略号(abbreviation)

固有名詞用語集(onomasticon)

単語出現頻度(word count)

docker

固有名詞などの確認

awk

ファイル一覧

参考文献一覧(reference list)

参考資料(reference)

文書履歴(document history)

作業場

自己記事一覧

関連資料

Engineering Festa 2024前に必読記事一覧

文書履歴(document history)

最後までおよみいただきありがとうございました。

Thank you very much for reading to the last sentence.

深層学習五十論文 by 綿岡晃輝 単語帳 shell, awk, 英語(25) docker(101)

はじめに

５０論文の単語帳作成

短縮名(short name) 略号(abbreviation)

固有名詞用語集(onomasticon)

単語出現頻度(word count)

docker

固有名詞などの確認

awk

ファイル一覧

参考文献一覧(reference list)

参考資料(reference)

文書履歴(document history)

作業場

自己記事一覧

関連資料

Engineering Festa 2024前に必読記事一覧

文書履歴(document history)

最後までおよみいただきありがとうございました。

Thank you very much for reading to the last sentence.

深層学習五十論文 by 綿岡晃輝単語帳 shell, awk, 英語(25) docker(101)