[B! python][algorithm] Hashのブックマーク

Caffeによる特徴抽出+AROWによる分類を試した - kivantium活動日記

Deep Learningのすごいところとしてよく挙げられるのは「画像から自動で特徴抽出をしてくれる」ことです。従来の手法であればタスクに合わせた画像の特徴をうまく抜き出すような特徴量を作る必要がありましたが、Deep Learningではネットワークが勝手に「特徴」を抽出してくれます。ネットワークが抽出した特徴量を使って別の分類器を学習させて分類することもできます。Deep Learningが自動で作った特徴量を使うことで人間が作ったSIFTなどの特徴量よりも高い精度で分類が可能になることもあるようです。そこで今回はDeep LearningライブラリのCaffeを使って特徴抽出を行った後、AROWというアルゴリズムを使って分類を行ってみたいと思います。 Caffeによる特徴抽出 Caffe | Feature extraction with Caffe C++ code.とCaffe

Hash 2015/06/28

Deep Learning Library "Caffe"

リンク

研究に少し行き詰まったので再帰で遊ぶ - 元データ分析の会社で働いていた人の四方山話

未だに再帰がよく理解しきれていない若輩者なのですが・・・研究の気分転換に少し再帰を勉強する。 Algorithms with Python / 再帰定義で、再帰の何が分かってないかよく分かっていなかったかだけど、根本的に再帰の動作が分かっていませんでした。そのために、普通の再帰と末尾再帰の違いがよく分かっていなかったというしょうもない罠でした。再帰呼び出しのあとに「後に続く処理」がなければ、情報を保存する必要がなくなるわけだ。こういう呼び出しが「末尾呼び出し」であり、再帰呼び出しすべてが末尾呼び出しであれば「末尾再帰関数」というらしい。 http://http://d.hatena.ne.jp/jyukutyo/20081111/1226368924 実にわかりやすい解説だ。というわけで、フィボナッチ数列を求めるプログラムの時間を計測してみる。 http://hamasta.g

Hash 2009/06/08

僕もRubyで遊んでみるか

リンク

vincent krutler

The Google PageRank Algorithm in 126 Lines of Python Reading How Google Finds Your Needle in the Web's Haystack I was surprised by the simplicity of the math underlying the google PageRank algorithm, and the ease with which it seemed to be efficiently implementable. Being able to do a google-style ranking seems useful for a wide range of cases, and since I had wanted to take a look at python for