今更聞けないLSTMの基本 - HELLO CYBERNETICS
ディープラーニングで畳込みニューラルネットに並ぶ重要な要素のであるLong Short-Term Memoryについて、その基本を解説します。 LSTMとは リカレントニューラルネットワーク LSTMの役割 LSTMの計算 Output Gate Input GateとForget Gate Forget Gate Input Gate LSTMの肝であるMemory Cell周辺 Forget Gate側の出来事 Input Gate側での出来事 Cellの手前での出来事 出力付近の話 LSTMの役割 セル付近の役割 Forget Gateが過去の情報をどれだけ保持するか決める 全体を通しての役割 最後に LSTMとは LSTMとはLong Short-Term Memoryの略です。 short-term memoryとは短期記憶のことであり、短期記憶を長期に渡って活用することを可能に
G検定概要と対策方法（まとめ） - Qiita
この度、一人でも多くの方にG検定を知っていただき、受験をして合格していただきたいと思い、G検定の概要と対策方法をまとめました。 G検定の概要 概要：ディープラーニングを事業に活かすための知識を有しているかを検定する 受験資格：制限なし 試験概要：120分、小問226の知識問題（多肢選択式）、オンライン実施（自宅受験） 出題問題：シラバスより出題 試験日： 2019/3/9, 7/6, 11/9 2時間 受験料： 一般 12,960円 (税込) 学生 5,400円 (税込) 申込： G検定受験サイトよりお申し込み（クレジットカード決済またはコンビニ決済） 日本ディープラーニング協会サイト：http://www.jdla.org/ 合格率は第1回が57%（2017/12/16）、第2回が57%（2018/6/16）、第3回が65%（2018/11/24）と高いですが、専門的な内容のため十分な勉
機械学習をやりたいけれど、どこから手をつけていいか分からない人のために - Qiita
要約 機械学習をやりたいけれど、どこから手をつけていいか分からない。 → まずは機械学習の全体像を調べて、自分が解きたい問題にあった分野の見当をつけよう！ 投稿の目的 機械学習について、自分の学習記録を投稿いたします。 学習記録とは書いていますが、ただの備忘録ではなく、以下の目的から誰かに読んでいただくことを想定しています。 自分の解釈についてフィードバックを得たい。 自分の考えをわかりやすく人に伝える力を付けたい。 せっかくだし、自分と同じ内容を勉強している人には役立ててもらいたい。 はじめに これは機械学習以外にも言えることですが、専門技術というのは理論と実践が１セットになっています。 この両輪を回して初めて専門技術を習得することができます。 そして、理論と実践を修めるには大きく２つのアプローチ方法があります。 先に理論を修め、それを実問題に適用する人（理論（1）→実践先（N）） 先に
Pythonによる機械学習入門 ～SVMからDeep Learningまで～
EPro-PnP: Generalized End-to-End Probabilistic Perspective-n-Points for Monoc...
機械学習 名古屋 第３回勉強会 ディープラーニングその1 (2016/04/16 13:00〜)
場所がなかなか見つからず、前回より時間が空いてしまいました。すいません。 今回よりディープラーニングを多めに勉強していきたいと思います。 読書会と実装を行います。読書会は本を購入しておいて下さい。 実装は、Googleが開発したTensorFlowで行います。 何か発表をしていただける方は、ご連絡をお願いします。テーマはどんな内容でも結構です。 今回、場所が少し駅より遠くて申し訳ないのですが、ぜひ、参加ください。いつものように、勉強会のあとは、懇親会を行います。会場はこちらです。 http://s.tabelog.com/aichi/A2301/A230112/23010314/?lid=header_restaurant_detail_map 5時30分より あと今回の勉強会の概要をこちらにも書いてます。 https://hackmd.io/JwDgJgxhDMBMCGBaAjNEAzR
ニューラルネットの逆襲 - Preferred Networks Research & Development
岡野原です。Deep Learningが各分野のコンペティションで優勝し話題になっています。Deep Learningは7、8段と深いニューラルネットを使う学習手法です。すでに、画像認識、音声認識、最も最近では化合物の活性予測で優勝したり、既存データ・セットでの最高精度を達成しています。以下に幾つか例をあげます。 画像認識 LSVRC 2012 [html] 優勝チームスライド [pdf], まとめスライド[pdf] Googleによる巨大なNeuralNetを利用した画像認識（猫認識として有名）[paper][slide][日本語解説] また、各分野のトップカンファレンスでDeep Learningのチュートリアルが行われ、サーベイ論文もいくつか出ました。おそらく来年以降こうした話が増えてくることが考えられます。 ICML 2012 [pdf] ACL 2012 [pdf] CVPR
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
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
