複雑系科学実験II
2013年度 複雑系科学実験II 鈴木（麗）担当分 概要 複雑系科学の一つの領域である人工生命研究では，進化をはじめとする生命に関する様々な現象・概念を計算機上にシンプルにモデル化し，動かすことを通して， その本質の理解を深めると同時に，その応用を目指しています． 今回の実験では，人工世界を構築する際に用いる二つの代表的な手法である，エージェントベースモデル（マルチエージェントモデル）と進化計算について，いく つかの具体例を題材にして実験と解析を行います． 担当 鈴木麗璽 居室：情科棟513号室 内線：4258 メールアドレス：reiji@nagoya-u.jp 日程 2012/12/12（木） NetLogoイントロ（ラングトンのアリ，鬼ごっこ） NetLogoでネットワーク科学 最近流行の，様々な「モノとモノとの繋がり」の構造やその役割を理解するネットワーク科学について，複雑ネットワー
Deep Learning : Bengio先生のおすすめレシピ - a lonely miner
先日，身内の勉強会(&ラボの勉強会)で，Deep Learningについてお話してきました．これまで興味がなさそうだったのに何故急に？というのはおいておいて． 紹介したのは，Deep Learningの第一人者のひとり， Yoshua Bengio先生自身が執筆された，以下の論文． Yoshua Bengio, Practical recommendations for gradient-based training of deep architectures, arXiv:1206.5533v2, 2012 どうやら書籍の草稿のようで，Bengio先生の長年の研究で得られたさまざまなノウハウ(最近の手法まで)がぎっしり詰め込まれています．すごい． 以前から気にはなりつつも，ちょっと分量が多い(30ページくらいある)ので，なかなか手を出すことができなかったのですが，ようやくヤル気が出てきた
[MLAC 2013 7日目] Torch7でお手軽ニューラルネットワーク - a lonely miner
はじめに この記事は Machine Learning Advent Calendar 2013 の 7日目の記事です． 2013年，Deep Learning もアカデミックレベルではさまざまな分野への浸透が進み，バズワードの域を脱したように思えます． これまでは，機械学習というと，応用分野においては(分類/回帰といった)タスクを決めてしまった上でブラックボックスとして 扱うもの，という空気がありましたが， Deep Learning に代表される柔軟な，いかようにも組み上げられるモデルは，問題の性質を積極的に(特徴量としてではなく，モデル自体に)組み込むことを容易にする，大きな武器になるのではないかと感じています． 素性エンジニアリング vs モデルパラメータエンジニアリング の不毛な戦いが幕を上げた，という見方もできちゃいそうですが・・・．． さて今回は， Torch7 という，Ne
![[MLAC 2013 7日目] Torch7でお手軽ニューラルネットワーク - a lonely miner](https://cdn-ak-scissors.b.st-hatena.com/image/square/be0f4e8c7e927775c6d1d3ce704d32b08e1915a3/height=288;version=1;width=512/http%3A%2F%2Fconditional.github.io%2Fimages%2Ftorch%2Ffeatures.png)
[MLAC 2013 7日目] Torch7でお手軽ニューラルネットワーク - a lonely miner
はじめに この記事は Machine Learning Advent Calendar 2013 の 7日目の記事です． 2013年，Deep Learning もアカデミックレベルではさまざまな分野への浸透が進み，バズワードの域を脱したように思えます． これまでは，機械学習というと，応用分野においては(分類/回帰といった)タスクを決めてしまった上でブラックボックスとして 扱うもの，という空気がありましたが， Deep Learning に代表される柔軟な，いかようにも組み上げられるモデルは，問題の性質を積極的に(特徴量としてではなく，モデル自体に)組み込むことを容易にする，大きな武器になるのではないかと感じています． 素性エンジニアリング vs モデルパラメータエンジニアリング の不毛な戦いが幕を上げた，という見方もできちゃいそうですが・・・．． さて今回は， Torch7 という，Ne
MLAC2013 数式を使わずイメージで理解するEMアルゴリズム - Wolfeyes Bioinformatics beta
はじめに Machine Learning Advent Calendar 2013の15日目を担当する@yag_aysです．専門はバイオインフォマティクスという計算機を使って生物学をする分野で，生モノではなく遺伝子の文字列相手に格闘している大学院生です．今回は初心者の人を対象に，なるべく数式を使わずにEMアルゴリズムについて解説してみたいと思います． EMアルゴリズムは，SVMやニューラルネットワークといった華々しい機械学習の手法の一つではなく，機械学習の中で使われる尤度最大化という一部分を担当するアルゴリズムです．そのため多くの人にとってEMアルゴリズムは，それ単体を使ってみたりだとか独自に改良をしたりするような対象ではないでしょう．でも，EMアルゴリズムなんて仰々しい名前が付けられているだけあって，いざ自分の仕事に組み込む場合には中身を理解していないと「なぜEMアルゴリズムを使ったの
MLAC2013 数式を使わずイメージで理解するEMアルゴリズム - Wolfeyes Bioinformatics beta
はじめに Machine Learning Advent Calendar 2013の15日目を担当する@yag_aysです．専門はバイオインフォマティクスという計算機を使って生物学をする分野で，生モノではなく遺伝子の文字列相手に格闘している大学院生です．今回は初心者の人を対象に，なるべく数式を使わずにEMアルゴリズムについて解説してみたいと思います． EMアルゴリズムは，SVMやニューラルネットワークといった華々しい機械学習の手法の一つではなく，機械学習の中で使われる尤度最大化という一部分を担当するアルゴリズムです．そのため多くの人にとってEMアルゴリズムは，それ単体を使ってみたりだとか独自に改良をしたりするような対象ではないでしょう．でも，EMアルゴリズムなんて仰々しい名前が付けられているだけあって，いざ自分の仕事に組み込む場合には中身を理解していないと「なぜEMアルゴリズムを使ったの
Machine Learning - Qiita Advent Calendar 2013 - Qiita
今年もやりましょうか。 Machine Learning Advent Calendar 2013とは パターン認識・機械学習・自然言語処理・データマイニング等、データサイエンスに関するアドベント・カレンダーです。 参加方法 とりあえず参加登録をポチる 自分の担当の日に機械学習に関するちょっとした記事を書く みんなで読む 記事内容は、パターン認識・機械学習・自然言語処理・データマイニング等、データサイエンスに関する事でしたら何でもOKです。テーマに沿っていれば分量は問いません。 （PRMLの読んだ箇所のまとめ、実装してみた、論文紹介、数式展開、etc.） 皆さんのご参加をお待ちしております。 Qiitaで数式を書く方法 「母国語が数式なのだけれどQiitaで数式は書けるのか」という心配からAdvent Calendarへの参加を躊躇されている皆さんのために、はてな風TeX記法をQiita上
MLaPP読みましょう（オマエモナー） - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? この投稿は Machine Learning Advent Calendar 2013 の10日目の記事です． 今日はMLaPPみんな読みましょう！というお話です．なにをか血迷って積ん読状態になっていたMachine Learning a Probabilistic Perspective(以下MLaPP)を1ヶ月で読破することを思い立ち，一人でMLaPPアドベントカレンダーなるものを始めてみました．（が，10日目にして既に心が折れそうです…．） MLaPPは良い機械学習の本であると思います．線形回帰からDeep Learningまで非
Unity4.3新機能とか Haxeで何かつくったはなし。(後編 : 3時間程度で2Dのクソゲーを作た。 ) - Qiita
はいはい。前編はHaxe Advent Calendarで (http://qiita.com/nobkz/items/ce6bbf56d0f0cbad2e13 )やりました。今回は後編を書きます。 (ちなみに、福岡で開催されている、八時間作品制作会で、3時間程度かけてつくりました。のこりの5時間は歯医者とか音楽制作とかに費しますた。) ちなみに今回作ったゲームはこちらです。 Haxe + Unity3d 後編 画像素材の準備 まずこんな感じで準備 ちなみにPagesでテキトーに図形配置して、選択してCommand + Cでコピー んで、プレビューappでクリップボードから新規作成 で作りますた。 Sprite EditorでSprite分割 んで、準備した画像をUnityへドラッグアンドドロップして、追加した画像を選択Inspectorで こんな感じに設定する。 (Texture typ
機械学習界隈の情報収集方法 - kisa12012の日記
こんにちは．Machine Learning Advent Calendar (MLAC) 2013の14日目を担当します，[twitter:@kisa12012]です．普段は博士学生として，各地を放浪しながら機械学習の研究をしてます．今回の記事はボストンで執筆しています．現地時間(EST)での締切は守ったのでセーフ…ですよね？ 本日は機械学習の技術的な内容の話ではなく，筆者が実践している機械学習関連の情報収集方法について纏めます*1．大きく分けて，学会情報の管理・論文情報の収集・その他の三種について述べたいと思います．今回のトピックの多くは他の分野にも通用する話になっているかと思います．他の分野の方がどのように情報収集されているのかも気になるところです． 学会情報の管理 まずは学会情報の管理についてです．機械学習に関連するカンファレンスは（特に近年乱立気味で）非常に沢山あります．全てをチ
メディア・パブ: 大英図書館が100万点以上の画像を公開、無料で利用可能に
大英図書館（The British Library）は100万点以上の画像をFlickr Commons上に公開した（こちら）。誰もが無料で利用できる。この画像を素材として自由に利用できるのだ。 17世紀、18世紀、19世紀に発行された本の中の画像が今回の公開対象で、これらの本はマイクロソフトによってデジタル化されている。地図やイラスト、風景画、壁画などの画像が多い。スクロールしていくと明治維新前後の日本を描いたイラスト出会ったので、それを掲載している書籍の画像集を見てみた（こちら）。以下はその一部。 書籍のタイトルなどは次の通り。英国人にとって人跡未踏のニッポンの風俗などをイラストで紹介した、1885年発行の本である。各イラストは高解像度でスキャンされているので、フル画面でもきれいに見ることができるものが多い。 Title: "Unbeaten Tracks in Japan ... N
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
Unity - Qiita Advent Calendar 2013 - Qiita