元々は９年前の深夜番組の「日焼け企画」でしたが、ビックリするくらい消えるのは遅く、最初の３年くらいは銭湯やプールに入れず、実は今でもうっすら部位を囲む線が見えます。みんな、若気の至りでは済まないから、夏はハシャいじゃダメだぜ！ https://t.co/fPvTLB90GP
きくりん on Twitter: "元々は９年前の深夜番組の「日焼け企画」でしたが、ビックリするくらい消えるのは遅く、最初の３年くらいは銭湯やプールに入れず、実は今でもうっすら部位を囲む線が見えます。みんな、若気の至りでは済まないから、夏はハシャいじゃダメだぜ！ https://t.co/fPvTLB90GP"
元々は９年前の深夜番組の「日焼け企画」でしたが、ビックリするくらい消えるのは遅く、最初の３年くらいは銭湯やプールに入れず、実は今でもうっすら部位を囲む線が見えます。みんな、若気の至りでは済まないから、夏はハシャいじゃダメだぜ！ https://t.co/fPvTLB90GP
MLDemos：機械学習について理解するための可視化ツール
たまたま面白いツールを見つけた。機械学習のパラメータをいじるとインタラクティブに学習結果が可視化して見れるお勉強アプリ。 MLDemos – A visualization tool for machine learning MLDemosは、機械学習でのクラス分類、回帰、クラスタリング、次元削減、力学系、報酬最大化を行うそれぞれのアルゴリズムのパラメータが、学習結果にどのように影響しているのかを勉強・理解するための教材として開発されたオープンソースの可視化ツールです。 MLDemosはオープンソースで、個人・アカデミック用途なら無料で利用できます。 可視化結果が美しい。 ペイント感覚でデータの分布を作成できるのも面白いね。 初学者が機械学習のイメージを掴むにはちょうどいいかもしれない。パラメータの調整の感覚も分かってくるかも。プロットしたデータを3Dでグリグリ回して見れるのが個人的に好き
強化学習によるリバーシの思考アルゴリズムの研究(2) — ありえるえりあ
Recent entries 宣伝：C/C++のための開発補助ツール、GCCSenseをリリースしました matsuyama 2010-04-15 宣伝：Rubyのための開発補助ツール、RSenseをリリースしました matsuyama 2010-03-21 Emacsは死んだ matsuyama 2010-02-22 WebアプリケーションをiPhoneに対応させるための技術メモ matsuyama 2009-10-13 tokyo-emacs#x02の個人的レポート matsuyama 2009-09-07 Recent comments replica louis vuitton Anonymous User 2010-12-22 Re:テキスト入力中に補完候補を自動的に表示してくれる auto-complete.el をリリースしました Anonymous User 2010-12
強化学習とは何か、調べてみた - のんびりしているエンジニアの日記
皆さんこんにちは お元気ですか。私は元気です。 今日は強化学習の勉強がてらメモを書いてみました。 個人的には最近、注目している分野で、ゴールがあるような（クラス分類やRegression） 機械学習と異なり、汎用的に色々問題が解けそうだからというのが理由です。 （なんか色々語弊を生みそう） 間違っていれば教えて下さい。 強化学習 強化学習における要因 Policy Reward Function Value function model of the environment 強化学習で解ける問題 参考文献 強化学習 強化学習はある環境ないにおけるエージェントが、 現在の状態を観測し、取るべき行動を決定する問題を扱う 機械学習の一種 by wikipedia この中で登場するのは、「状態」と「行動を決定する」といったところでしょうか。 つまり、「ある状態の時に、どう行動をするか」といったこと
Optimizer : 深層学習における勾配法について - Qiita
はじめに 深層学習の勾配法には様々な手法が提唱されています。その中で、どの手法を用いるのが適切であるか自分でもあまり理解できていない部分があり、今回は勾配法の中でも実際に深層学習で主に用いられている手法(SGD, Momentum SGD, AdaGrad, RMSprop, AdaDelta, Adam)について、実装することを前提に調べてまとめてみました。実装フレームワークはChainerを想定しています。 SGD SGD(Stochastic Gradient Descent : 確率的勾配降下法)は、Optimizerの中でも初期に提唱された最も基本的なアルゴリズムです。重み$\mathbf{w}$の更新は以下のように行っております。このとき、$E$は誤差関数、$\eta$は学習係数を表しています。
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
tsukihiができるまで #レイトレ合宿4
客に「シャリが固い。握ってる人呼んで」と言われたバイト君の対応…(笑) | BUZZmag
はてなブログ | 無料ブログを作成しよう
