タグ

2016年10月11日のブックマーク (6件)

  • 音声処理で参考になったサイトまとめ - Qiita

    これなあに? 先週は強化学習の勉強会をしました。 今週は音声処理の勉強会をやるぞということになって僕はまた焦って資料をかき集めました。 この記事は音声処理の勉強会を行うにあたって、参考になったサイト、もしくは情報をまとめたものです。 勉強会で共有するために作ったけどせっかくだしあげておくことにしました。 読んだ感想や要点なんかも簡単にまとめれたらと思います。 特に参考になった記事、重要だと思った記事には★マークをつけておきます。 僕自身が音声処理初心者ということ、短い時間でまとめたことから誤りや不適切な点があるかもしれません。 その場合は指摘していただけると幸いです。 理論解説 基礎の基礎を勉強する勉強会だったので入門記事多め。 あんまりちゃんと読んでないものもあります…。 音声の音響分析の「いろは」~初めて音声波形を見る方へ~★ 東京大学の授業のスライド? そもそも"音"や"声"はどのよ

    音声処理で参考になったサイトまとめ - Qiita
  • 強化学習で参考になったサイトまとめ - Qiita

    これなあに? お世話になっているLiaroという会社で強化学習の勉強会をやりたいね~という話になり、興味がありつつもノータッチだった僕は急いで情報を集め勉強することになりました。 この記事は勉強会を行うにあたって、参考になったサイト、もしくは情報をまとめたものです。 勉強会で共有するために作ったけどせっかくだしqiitaにあげておくことにしました。 読んだ感想や要点なんかも簡単にまとめれたらと思います。 特に参考になった記事、重要だと思った記事には★マークをつけておきます。 僕自身が強化学習初心者ということ、短い時間でまとめたことから誤りや不適切な点があるかもしれません。 その場合は指摘していただけると幸いです。 理論解説 ほとんどが入門記事。大抵シンプルなクエリでググったら上位に来る記事。 記事を順番に読むことを何週もすることでどんどん理解が深まっていくので、理解したいなら3週はしよう。

    強化学習で参考になったサイトまとめ - Qiita
  • Machine Learning Mastery

    Welcome to Machine Learning Mastery! Hi, I’m Jason Brownlee PhD and I help developers like you skip years ahead. Discover how to get better results, faster. Click the button below to get my free eBook and accelerate your next project (and access to my exclusive email course). Send Me the Free eBook!

    Machine Learning Mastery
    aidiary
    aidiary 2016/10/11
    Kerasの記事がたくさんある
  • Chainerで学ぶLSTM - kivantium活動日記

    このブログで何回も取り上げているように、ニューラルネットワークを用いた機械学習はかなりの力を発揮します。畳み込みニューラルネットワーク(convolutional neural network, CNN)は画像中で近くにあるピクセル同士の関係に注目するなど画像の特徴をうまくとらえたネットワークを構築することでかなりの成功を収めています。ノーフリーランチ定理が示唆するように万能の機械学習器は存在しないため、対象とするデータの特徴を捉えた学習器を構築することが機械学習の精度を上げる上で重要になります。 そこで今回は時系列データの解析に向いた回帰結合ニューラルネットワーク(recurrent neural network, RNN)の精度を上げるのに重要なLSTMを取り上げます。 この記事では誤差逆伝搬などのニューラルネットワークの基知識は説明しません。誤差逆伝搬についてはPRMLの5章やNe

    Chainerで学ぶLSTM - kivantium活動日記
  • Understanding Stateful LSTM Recurrent Neural Networks in Python with Keras - MachineLearningMastery.com

    aidiary
    aidiary 2016/10/11
    LSTM
  • Deep Learning実習

    AlexNet [A Krizhevsky, 2012] このページはDeep Learningモデルを使って画像認識をする方法を一通り学ぶ初心者向け実習教材として作られました。 ここではPython環境でCaffeフレームワークを利用して画像認識モデルを学習、評価する方法を学ぶことができます。 準備 0. Docker+Jupyter環境の構築 1. Pythonと数値計算 1a. Pythonと数値計算 練習問題解答 画像認識 2. Caffeを使った画像分類 3. 手書き文字認識モデルの学習 4. 学習済みのネットワークをマルハナバチ分類にファインチューニング その他 5. Caffeの動作環境に関して 参考 スライド資料 Caffe deep learning framework Stanford CS231n: Convolutional Neural Networks for