GANの発展の歴史を振り返る！GANの包括的なサーベイ論文の紹介(アルゴリズム編)
3つの要点 ✔️様々な分野で使用されている 「GAN」の包括的なサーベイ論文の紹介 ✔️アルゴリズム編では、「GAN」のアルゴリズムに焦点を絞って様々なアプローチを紹介 ✔️ この記事で「GAN」の最新動向までをキャッチアップ可能 A Review on Generative Adversarial Networks: Algorithms, Theory, and Applications written by Jie Gui, Zhenan Sun, Yonggang Wen, Dacheng Tao, Jieping Ye (Submitted on 20 Jan 2020) subjects : Computer Vision and Pattern Recognition (cs.CV); Machine Learning (cs.LG) はじめに 2014年に画像生成のためのア
人間超え自然言語処理モデル - 2019cnps 認知神経心理学研究@東京女子大学
2018 年から 2019 年にかけて人間超えした自然言語処理モデル# GLUE leaderboad# GLUE とは General Language Understanding Evaluation の abbreviation です。 最近の自然言語処理の趨勢になっています。一つのモデルで複数の課題を解くこと を マルチタスク学習 multi-task learning と呼びます。それぞれのモデルは， 最初に一般的なデータセットを用いて 事前学習 pretraining を行います。 次に，事前学習を行ったモデルに対して，複数の下流課題 downstream tasks のそれぞれに対して 詳細チューニング fine tuning を施します。これにより各下流課題ごとの 課題成績を評価します。下図は 2019 年 8 月 21 日現在の順位が示されています。 この競争に参加するモ
誤差逆伝播法をはじめからていねいに - Qiita
はじめに この記事は、私が機械学習、特に「誤差逆伝播法」 (あるいは「バックプロパゲーション (Backpropagation)」) を勉強するうえで辿った道筋を記録しておくものです。 誤差逆伝播法に関する分かりやすい解説は、ここ Qiita にも多数存在しますので、正直 $n$ 番煎じなところがありますが、あくまで記録ですのでここは 1 つ。 「記録」というには長過ぎてイマイチ感溢れてますが、そこは気にしないでください。これでも要点をしぼったつもりなのです… ゆっくりしていってね！！！ 途中の数式について 記事の前後から参照されている数式については右側に番号を振っています。 初回記載時は $\text{(1)}$ とかっこ付き数字で、2 回目以降記載時は $\text{[1]}$ と角かっこ付き数字で示します。記載済みの数式を変形したものについては $\text{(1')}$ とプライム
藤井四段と羽生三冠のどちらが強いか、流行の人工知能に聞いてみました - コンピュータ将棋 Qhapaq
藤井四段がデビュー開始から連勝を重ね、遂に連勝記録を塗り替えたようです。想像を遥かに超える強さに将棋民は大いに盛り上がっています。 ここまで来ると藤井四段がどのぐらい強いか。もう少し俗な言い方をすれば、将棋界の新スター藤井四段と、将棋界のレジェンド羽生三冠とどちらが強いのかが気になることでしょう。 両者の直接対局はAbemaTVの炎の七番勝負とニコニコの獅子王戦の2局で成績は1勝1敗。拮抗した実力を見せているようにも見えます。 が、どちらが強いかという問いに答えるにあたり、2局はあまりに数が足りていません。人間同士の戦いだから仕方ないにせよ、統計学的な観点からは少なくとも1000本勝負位はして貰いたいところです。 しかし、そんなことは流石に出来ないので、今話題の人工知能にどちらが強いか聞いてみることにしました。 【実験方法】 ※：数理的な詳細は次の記事で扱う予定です 今回の解析方法について
Best Practices for Applying Deep Learning to Novel Applications
This report is targeted to groups who are subject matter experts in their application but deep learning novices. It contains practical advice for those interested in testing the use of deep neural networks on applications that are novel for deep learning. We suggest making your project more manageable by dividing it into phases. For each phase this report contains numerous recommendations and insi
scikit-learnで構築したモデルをシリアライズする - WEB SALAD
はじめに 11月となり、僕の修士研究*1も大詰めになってきました。 研究ではPythonの機械学習ライブラリであるscikit-learnを使っているのですが、先日、「（1時間かけて）訓練したモデルをシリアライズしておけば、評価用のプログラムと分割できて、色々と捗るのでは？」と思って調べたところ、かなり簡単にできたのでやり方をまとめました。 シリアライズとは シリアライズ - Wikipediaでは、2つの意味が紹介されていて、今回は後者の方が該当します。以下引用です。 ある環境に存在しているオブジェクトをバイト列やXMLフォーマットに変換すること。この意味では直列化という訳語が用いられる。同義語にMarshallingがある。対義語は直列化復元ないしデシリアライズである。 今回の文脈で言えば、Pythonプログラムの実行中にメモリ上に存在する変数を、バイト列に変換する（したがって、ローカ
Scikit-learnの使い方まとめ(機械学習入門・サンプル集)
scikit-learn(サイキット・ラーン)とは、Pythonの機械学習モジュールです。 scikit-learn公式ページ 主な特徴 多くの機械学習アルゴリズム（回帰分析、クラスタリング、SVM・ニューラルネット等の識別器、次元圧縮など）を簡単に実装できる。 BSDライセンスなので、条件を満たせば商用利用可能。 日本語の情報量が多く、公式ドキュメントや解説書なども充実している。 他のライブラリ「NumPy」「SciPy」「Pandas」「Matplotlib」と連携しやすい。 Scikit-learnの基礎 環境構築 scikit-learnのインストール方法 回帰分析 回帰分析では、「結果(目的変数)」と「結果に影響を及ぼすデータ(説明変数)」の関係性を統計的に求める手法です。2つのデータの関係性がわかれば、将来どのような結果となるかの予測を行うことができます。説明変数が1つの場合が
Pythonコードを使用して、Pythonコードを書く方法を人工知能に学習させる | POSTD
ここでは少しの間、自律走行車のことは忘れてください。物事は深刻になってきています。この記事では、独自のコードを書くマシンを作ることに的を絞って話を進めていきたいと思います。 GlaDoS Skynet Spynetを使用します。 具体的に言うと、Pythonのソースコードを入力することで、自分でコードを書くように、文字レベルでのLong Short Term Memoryニューラルネットワークを訓練していきます。この学習は、TheanoとLasagneを使って、EC2のGPUインスタンス上で起動させます。説明が曖昧かもしれませんが、分かりやすく説明できるように頑張ってみます。 この試みは、 こちらの素晴らしいブログ記事 に触発され行うに至りました。皆さんもぜひ読んでみてください。 私はディープラーニングのエキスパートではありませんし、TheanoやGPUコンピューティングを扱うのも初めてで
ビジネスデータからの知識発見・活用ソリューション -- リンク集
統計分析、多変量解析、データマイニング、その応用例を調べるにあたって参考となるページを紹介します。基礎知識の補完にご活用ください。
迷路を解くＡＩを使ってゲームを作る （ゲームＡＩ連続セミナー第３回付録Ｉ）
IGDA日本ゲームＡＩ連続セミナー第３回の事前予習資料です。 第３回の資料はこちらです。 http://www.slideshare.net/youichiromiyake/y-miayke-igdaaiseminar3rd2007512 事前予習資料（Ｉ）です。 http://www.slideshare.net/youichiromiyake/ss-36659319 事前予習資料（ＩＩ）です。 http://www.slideshare.net/youichiromiyake/ss-36659528 演習資料 http://www.slideshare.net/youichiromiyake/y-miayke-igdaaiseminar3rdappendixii2007512 演習シートです。 http://www.slideshare.net/youichiromiyake/ai-g
サービス終了のお知らせ - NAVER まとめ
サービス終了のお知らせ NAVERまとめは2020年9月30日をもちましてサービス終了いたしました。 約11年間、NAVERまとめをご利用・ご愛顧いただき誠にありがとうございました。
A.I.開発に最も適したプログラム言語は、現時点では何か? - 論客コミュニティ過去ログ
「最強のプログラム言語は何か?」 という問いが、各種の掲示板などで議論されています。 そして、この永遠に終わらない議論の結論は 「使用目的によって、最強のプログラム言語は異なる」 ということです。 例えば「プログラム授業の宿題を解く」という目的で言えば、 HQ9+ http://ja.wikipedia.org/wiki/HQ9%2B のような設計の言語が最強でしょう。 この様に、使用目的を指定しなければ「最も適した」の議論は無意味です。 とりあえずここはA.I.の掲示板なので、タイトルで述べたように使用目的を制限します。 また、まだ開発されていない言語まで含めれば「全知全能の神様と未来から来たドラえもんしか知らない言語が最強!」という結論にしかなりません。 従って、現時点での完成度も評価します。 大分時間が経っても回答がないので、自分の考えを述べさせてもらいたいと思います。 因みに、こ
1
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
AIは「映画監督」になれるか？ 自動生成された不気味な映像作品から見えてきたこと（動画あり）
http://blog.karmadust.com/starting-with-neural-networks-in-swift-3-0/
GitHub - terryum/awesome-deep-learning-papers: The most cited deep learning papers
RNN – リカレント・ニューラルネットワーク の有効性 （翻訳/要約） – RNN – Keras TensorFlow Theano
Inceptionism: Going Deeper into Neural Networks