Hierarchical Temporal Memory を学ぶ - 第二思考実験室
こんにちは。@iizukak です。この記事は、KLab Advent Calendar の 7 日目の記事です。 私は最近 Hierarchical Temporal Memory (HTM) という、大脳新皮質のモデル化及びコンピュータ上への実装を目指す Machine Intelligence の理論について調べたり実験したりしています。この記事では、HTM 自体と、HTM について学んでいく上で有用だと思われる情報へのリンクを紹介したいと思います。情報へのリンクは、HTM の理論を学びたい方と、応用・実装を学びたい方へ分けて掲載してみました。 私は HTM のスペシャリストではありません。なるべく誤りのないように心がけていますが、この記事には誤った情報が含まれるかもしれません。そのような誤りを見つけた場合は、コメント欄にて教えていただけると幸いです。 HTM とは何でしょう 概要
14 open source tools to make the most of machine learning
14 open source tools to make the most of machine learning Tap the predictive power of machine learning with these diverse, easy-to-implement libraries and frameworks Spam filtering, face recognition, recommendation engines — when you have a large data set on which you’d like to perform predictive analysis or pattern recognition, machine learning is the way to go. The proliferation of free open sou
データ ＆ アナリティクス | アクセンチュア
データ分析から導き出されたインサイト無しにAI（人工知能）の活用は始まりません。私たちは、各業界知識とデータ・アナリティクス技術を駆使しデータドリブン経営を強力に支援します。 データ、アナリティクス、AIは企業にとって競合他社との差別化を図るかつてないほど大きな要因になっています。今日の経営幹部が効率を向上しながら新たな収益源を開拓し、新しいビジネスモデルをタイムリーに構築する方法を模索する中、価値を生み出し成長を続ける企業には「データ活用」という共通項があります。私たちは、無数のデータから企業にとって本当に必要なデータを活用するための方法を知っています。 将来を見据えたオペレーション体制を備えている企業の半数以上（52％）は、すでにデータとアナリティクスを大規模に活用しています。データとAIに関する取り組みをビジネス戦略に沿って実施することで投資利益率を迅速に最大化し、最終的にはAIをビ
RNN-RBMによる旋律の予測と生成と音楽情報処理に関する紹介 - xiangze's sparse blog
かなり以前(2012年)のものになりますが、deeplearning.netでRecurrent Neural Network(の一種)のTheanoによる実装とMIDIデータからの旋律予測に関する論文の実装が公開されていたの紹介します。またその他機械学習による音楽情報の解析に関して少し紹介します。 Modeling and generating sequences of polyphonic music with the RNN-RBM (deeplearning.net) Modeling Temporal Dependencies in High-Dimensional Sequences: Application to Polyphonic Music Generation and Transcription 論文pdf 著者ページ 論文概要 Recurrent Neural Ne
RBM、Deep Learningと学習(全脳アーキテクチャ若手の会 第3回DL勉強会発表資料)
2014年11月13日開催の全脳アーキテクチャ若手の会 第3回Deep Learning勉強会の資料です。RBMの動作原理をポイントを押さえて解説しました。参考資料を後ろに纏めましたのでご自由にご活用ください。
Caffe | Deep Learning Framework
Caffe Caffe is a deep learning framework made with expression, speed, and modularity in mind. It is developed by Berkeley AI Research (BAIR) and by community contributors. Yangqing Jia created the project during his PhD at UC Berkeley. Caffe is released under the BSD 2-Clause license. Check out our web image classification demo! Why Caffe? Expressive architecture encourages application and innovat
Deep Learning技術の今
第2回全脳アーキテクチャ勉強会での講演スライドです。Deep Learning の基礎から最近提案されている面白トピックを詰め込んだサーベイになっています。
機械学習超入門IV 〜SVM(サポートベクターマシン)だって30分で作れちゃう☆〜 - EchizenBlog-Zwei
ニーズがあるのかさっぱりわからない機械学習超入門だけどひっそり続けていきたい。 前回は識別関数の基礎であるパーセプトロンの簡単な説明とPerlによる実装を解説した。実はこの時点でかの有名なSVM(Support Vector Machine、サポートベクターマシン)もほぼ完成していたのだ！というわけで今回はSVMをPerlで作ってしまうお話。 参考: これからはじめる人のための機械学習の教科書まとめ - EchizenBlog-Zwei 機械学習超入門 〜そろそろナイーブベイズについてひとこと言っておくか〜 - EchizenBlog-Zwei 機械学習超入門II 〜Gmailの優先トレイでも使っているPA法を30分で習得しよう！〜 - EchizenBlog-Zwei 機械学習超入門III 〜機械学習の基礎、パーセプトロンを30分で作って学ぶ〜 - EchizenBlog-Zwei さて
Deep learning
Accessibility View text version Categories Technology Upload Details Uploaded via SlideShare as Adobe PDF Usage Rights © All Rights Reserved Statistics Favorites 2 Downloads 0 Comments 0 Embed Views 0 Views on SlideShare 0 Total Views 0 Deep learning — Presentation Transcript Deep Learning 株式会社ウサギィ 五木田 和也 2012/11/0912年11月9日金曜日 自己紹介 ✤ 株式会社ウサギィのエンジニア ✤ 機械学習、自然言語処理、組合せ最適化 ✤ iPhone, Android, Rails ✤ な
RCOと機械学習：ニューラルネットワーク編 - RCO アドテクLabブログ | RCO アドテクLabブログ
RCO アドテクLabブログ 八重洲で働く株式会社リクルートコミュニケーションズの社内エンジニアがアドテクノロジーを始め、様々な分野のテクノロジーについて書いています 2013/11/07 anonymous データ分析 アドテクにおいて、データを分析したり最適化を行うために機械学習を使う事があります。少なくともRCOアドテク部では、しばしば機械学習のお世話になっています。 この機械学習ですが、結構昔から研究されている割に、いまだにブレイクスルーがあって、研究の流行がガラっと変わることがあります。近年だとDeep Learningが有名ですかね。多層（5〜10段くらい）のニューラルネットワークを使う学習手法で、多層ニューラルネットワークが持つ、出力層から遠くなるほどエラーが拡散してしまって上手く伝わらないという問題と、学習に使うデータに過剰に適合してしまって未知データへの適合が悪くなる過学
パッケージユーザーのための機械学習(4)：ニューラルネットワーク - 渋谷駅前で働くデータサイエンティストのブログ
（※はてなフォトライフの不具合で正しくない順番で画像が表示されている可能性があります） 実は僕は普段全くニューラルネットワークを使ってない上に、すぐ隣に再帰ニューラルネットワークでバリバリNIPSに通していたことのある教授氏がいるので*1、こんなところで知ったかぶりして何か書くのはほとんど蛮勇に近いんですが（笑）、純粋に自分の勉強も兼ねて分離超平面の可視化をやってみたいので頑張って書いてみようと思います。 今回の参考文献もピンクの薄い本です。第7章pp.102-113にパーセプトロン型学習規則の発展系として、誤差逆伝播法に則った多層パーセプトロン＝ニューラルネットワークの説明が載っています。 はじめてのパターン認識 作者: 平井有三出版社/メーカー: 森北出版発売日: 2012/07/31メディア: 単行本（ソフトカバー）購入: 1人 クリック: 7回この商品を含むブログ (4件) を見る
Googleの猫認識 (Deep Learning) - 大人になってからの再学習
今から約1年前（2012年6月下旬ごろ）、ネット上で下の画像とともに 「Googleの研究開発によってコンピュータが猫を認識できるようになった」 というニュースが飛び回り、あちこちで話題になった。 例えば、次のようなサイトで大きく取り上げられた。 ・Google、大規模人工ニューロンネットワークを用いた研究成果を紹介|日経BP社 ITニュースPRO ・猫を認識できるGoogleの巨大頭脳 | WIRED.kp ・Google、脳のシミュレーションで成果……猫を認識 | RBB TODAY これらのサイトの記事では、だいたい次のように紹介されている。 今回の研究成果では、コンピューターは猫がどういうものであるか人間に教えられること無く、自力で理解した。 http://www.rbbtoday.com/article/2012/06/27/90985.html 1週間にわたりYouTubeビデ
[Think IT] 第2回：ニューラルネットワークの構造を知る！ (1/3)
【ネットワーク教習所】 ニューラルネットワークの可能性 第2回：ニューラルネットワークの構造を知る！ 著者：名古屋工業大学大学院工学研究科 岩田 彰 公開日：2008/03/12（水） ニューラルネットワークとニューロンモデル ニューラルネットワークは脳の神経回路網における計算方式と同じ方式をコンピュータで行おうとするものである。ニューラルネットワークの特徴は、学習と並列処理であるが、学習とはあらかじめ用意された学習データに基づいて、ある入力が入るとその入力に対応する出力が得られるようにネットワークの結合係数の値を学習することである。文字認識であれば、手書きの「あ」という文字パターンを入力すると、文字コードの「あ」が出力されるということだ。 ネットワークの結合係数を決定するため、どのように学習するかという学習方式があれば、学習データを与えるだけで学習してくれるので手軽にパターン認識機械を作
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
What the Brain says about Machine Intelligence
H2O : R で Deeplearning を行う — 苦労する遊び人の玩具箱 1 documentation
Deep Learning技術の最近の動向とPreferred Networksの取り組み
RNNLM
Using large-scale brain simulations for machine learning and A.I.
A yet another brief introduction to neural networks
自然言語処理のためのDeep Learning
