Understanding Dropout
Authors Pierre Baldi, Peter J. Sadowski Abstract Dropout is a relatively new algorithm for training neural networks which relies on stochastically dropping out'' neurons during training in order to avoid the co-adaptation of feature detectors. We introduce a general formalism for studying dropout on either units or connections, with arbitrary probability values, and use it to analyze the averaging
NHKと東大、物体の硬さなどの感覚も仮想的に再現できるシステムを開発
NHKと東京大学(東大)は5月22日、物体の形状と硬さの両方を非接触で測定し、物体を触った感覚(触感覚)を仮想的に再現できるシステムを開発したと発表した。 これまでNHKでは、物体の形状を再現する触・力覚ディスプレイ技術として、形状を再現するシステムを開発していたが、触感覚の伝達には、硬さの分布も併せて再現する必要があった。 そこで今回、東大が新たに開発した物体の形状と硬さの両方の分布を測定できる装置と、NHKが開発した触・力覚ディスプレイを組み合わせることで、形状だけでなく硬さの違いも分かりやすく再現できるシステムを実現することに成功したという。 具体的には、レーザー変位計と超音波を組み合わせることで離れたところから物体の形状と硬さの分布を非接触で推定し、そのデータを元に触・力覚ディスプレイで仮想的な物体のモデルを生成、そのモデルと指先との接触状況に応じて、複数の点の刺激として与えること
加算とスクリーンを正しく使い分けて綺麗な光を描くヒント
この2つを正しく使い分けることは、綺麗な光を描く上でとても重要です。そこで今回は、加算とスクリーンがどんな計算を行い、どんな働きをするのか、解説してみたいと思います。きっと魅力的な画づくりをするヒントが見つかるはずです！ （本記事ではPhotoshopを中心にAfter Effects, Nukeといったコンポジットソフトについて触れますが、ここで紹介する考え方はその他のグラフィックソフトや映像編集ソフトでも応用できると思います。） ※記事内で説明する「合成の計算式」に出てくるA, Bは以下を指します。 A ＝ 前景のRGB値 B ＝ 背景のRGB値 （もっとも本記事で説明する内容ではAとBを入れ替えても結果は同じです） A, Bは0～1の範囲です。もし8bit色深度の値（0～255）を式に当てはめたいなら、事前に255で割って0～1の範囲にしてください（例：128 ÷ 255 = 0.5
ログ集計／時系列DB／可視化ツールの調査結果 - Qiita
近年、自分の中で集計／可視化は Fluentd(datacounter)+Growthforecast で定番化していました。 しかしプロダクトで新たに集計／可視化の要件が出てきたことと、 最近可視化ツール周りで 「Kibanaってなんじゃ？」「Graphiteってなんじゃ？」「InfluxDBってなんじゃ？」 など、このツール達は一体何なんだろう…？というのが前々から気になっていました。 今回良い機会なので ◯◯は何をするものなのか？ というのを一つ一つ調べてみました。 いわゆる「触ってみた系」の記事なので だいぶ浅い感じです。 大分類 大きく分けると、可視化ツールは以下の３つに分けられそうです。 ログ収集/集計 時系列DB（＋API）の担当。バックエンド側。 可視化部分の担当。 今回は バックエンド と 可視化部分 に焦点を当ててみます。 バックエンド 全文検索時エンジン+Restfu
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
処理を実行中です
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
