VGG16のFine-tuningによる17種類の花の分類 - 人工知能に関する断創録
前回（2017/1/10）は、VGG16をFine-tuningして犬か猫を分類できる2クラス分類のニューラルネットワークを学習した。今回は、同様のアプローチで17種類の花を分類するニューラルネットワークを学習してみたい。前回の応用編みたいな感じ。この実験はオリジナルなので結果がどう出るかわからなかったけどうまくいったのでまとめてみた。 リポジトリ：17flowers 使用したデータは、VGG16を提案したOxford大学のグループが公開している 17 Category Flower Dataset である。下のような17種類の花の画像データ。とっても美しい。 前に実験した（2017/1/4）ようにデフォルトのVGG16ではひまわりさえ分類できなかったが、VGG16をFine-tuningすることで果たしてこれら17種類の花（ひまわりもある）を分類できるようになるのだろうか？さっそく試して
ＡＩ、ポーカーでプロ４人に圧勝 ２億円超のチップ獲得：朝日新聞デジタル
人工知能（ＡＩ）がポーカーのトッププロ４人と競う試合が米国であり、２０日間の対戦で獲得したチップ額でプロに圧勝した。囲碁や将棋でもＡＩがプロを破る例が相次いでいるが、相手の持ち札がわからないポーカーは先を読むのが難しく、より複雑な判断が必要とされる。ビジネスの価格交渉や軍事戦略の決定など、実社会の様々な意思決定に応用できる可能性があるという。 このＡＩは、カーネギーメロン大（ペンシルベニア州）が開発した「リブラトゥス」。同州ピッツバーグのカジノで今月１１日から３０日まで、「テキサスホールデム」と呼ばれるポーカーで、プロ４人とＡＩがそれぞれ１対１でチップを賭けるゲームを計１２万回繰り返した。 各自２枚ずつ配られる手札と、テーブル上の共通札５枚からより強い組み合わせを作り、チップを賭けていく。リブラトゥスは２０日間で４人のプロ全員に勝ち越し、総額１７６万ドル（約２億円）以上のチップを獲得した。
ニューラルネットワークの学習の工夫 - HELLO CYBERNETICS
はじめに 伝統的な学習の工夫 正規化、標準化、無相関化、白色化 正規化 標準化 無相関化 白色化 正則化 正則化 正則化 elastic net 伝統的な工夫について ニューラルネットワークの学習の工夫 バッチ正規化 ドロップアウト ノイズ混入 勾配ノイズ ニューラルネットの学習の工夫 はじめに 従来の機械学習手法では、なるべく入力と出力の関係を人手で明らかにすることで、妥当なモデルを準備してきました。更に入力データも、学習にとって重要なもののみを抽出することで、効率性を高めてきました。 一方でニューラルネットワークは入力と出力の間に複雑なモデルを仮定し、その複雑なモデルを学習により上手く調整することで回帰や分類を行います。 このような背景から、ニューラルネットを従来の手法と同じように学習させるのでは上手く行かないことが分かります。人手で抽出しなければいけなかった情報や、適切に設計しなけれ
ＡＤＨＤ傾向のある人向け、お仕事手荷物ガイド - 発達障害就労日誌
基本概念 このブログを読んでいるということは、皆さんの鞄の中身は結構な比率で終わっているのだと思います。 皆さんがどんな鞄を使っているかはわかりませんが、中身はぐちゃぐちゃ、どこに何が入っているかはまったく把握出来ていない、必要な時に必要なものは出てこない。よくわからないブラックホールなどに接続されているため、任意の確率で中身が消滅する。そのような事態が起きているのだと思います。はい、僕もそのような人生を30年生きてきました。31年目です。よろしくお願いします。 さて、そのような人生を長く生きてくると、それなりに工夫が発生します。また、僕は現在小さな会社の傭兵営業マンとして働いているため、「自分の机は無い」「客先に出向いて色々やる」「書類の作成などを請け負うバック担当は会社に存在しない。基本的に全部自分でやるしかない」「喫茶店などで書類作成などの業務をめっちゃやる」という、なかなかのＡＤＨ
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
