サクサク読めて、アプリ限定の機能も多数!
トップへ戻る
デスク環境を整える
ml4a.github.io
translated by Kynd and Naoto Hieda English CNNまたはconvnetとも略される畳み込みニューラルネットワークは深層学習の要であり、近年ニューラルネットワークの研究を牽引する最も突出した存在として頭角を表しています。コンピュータビジョンに革命を起こし、多くの基本的なタスクで最高レベルの結果を出し、また自然言語解析、音認識、強化学習、その他の様々な分野を大きく発展させました。テック企業は私たちが今日目にする沢山のサービスや機能のために畳み込みニューラルネットワークを用いています。下記の例のように、幅広い応用例があります。 画像に含まれる物、場所、人などを検知しラベル付けする。 人の音声をテキストに変換する。自然な音や音声を合成する。 画像やビデオに自然言語で注釈を付ける。 自動運転車で道路を把握したり周囲の障害物を避ける。 自動プレイの為テレビゲー
Notice: ml4a has a new home at ml4a.net! This page (ml4a.github.io) is deprecated, and will remain online for archival purposes. ml4a is a collection of free educational resources devoted to machine learning for artists. It contains an in-progress book which is being written by @genekogan and can be seen in draft form here. Four chapters are complete and others are in varying stages of progress or
Dr. Katie Mathoによって撮影された生まれてまもないマウスのブレインボウ。ブレインボウとは個々のニューロンを蛍光タンパク質で染めることで可視化する神経画像検査の手法。 translated by Kynd English español 한국어 前章では、ニューラルネットワークが訓練を通じて、手書きの数字を90%程度というかなりの精度で識別できるようになる様子を見ました。この章ではネットワークの性能についてより丁寧に調べていきます。またその内部の状態を詳しく観察し、実際に何が起きているのかについて、いくつかの直感的な理解を得ます。章の後半では、より高いレベルへの到達にどんな種類のイノベーションが必要かを予測するため、イヌや自動車や船といった物のより複雑なデータセットを使って訓練を試み、ニューラルネットワークにあえて失敗をさせてみます。 重みを可視化する MNISTの手書き文字を
A topographic map depicts elevation with contour lines connecting places at equal heights. translated by Kynd and Naoto Hieda English 自分を山の頂上にいる登山家だと想像してください。夜が訪れてしまいました。麓にあるベースキャンプに戻る必要がありますが、暗い中で貧弱な懐中電灯しか持っておらず、目の前にある1メートル程度先の地面しか見ることができません。この際にどのように下りるのが一番良いのでしょう。戦略の1つは、あらゆる方向を見てどの道が最も急に下っているのかを見極め、その方向に進むことです。このプロセスを何回も繰り返すと、徐々に山を下りることができるでしょう。たまに小さな凹みや谷に嵌るかもしれません。その場合は、勢いをつけてもう少し進むことで抜け出すことがで
「解析機関の研究には、無生物の機関ではなく人間の脳を通じて数学的処理をすることが必要とされることでしょう。そして演算に関する論理的思考も、科学の根本的でありながら独立し明確に定義された分野として全く同様に必要とされることでしょう。」エイダ・ラヴレス:分析機関概要(1843) translated by Naoto Hieda English 中文 español 한국어 français ニューラルネットワークが発明される約一世紀前、エイダ・ラヴレスが「神経系の計算法」という野心的な提案をしました。脳と機械の推論的なアナロジーは計算自体の哲学と同じくらい古いものの、計算機が人間のような認知機能を持つことはエイダの師であるチャールズ・バベッジが解析機関を提案するまで考えられませんでした。当時の技術者たちは彼女の複雑な図面の回路を実現することができず、エイダは自身の夢である機関が完成するのを目
Machine Learning for Artists Neural networks Looking inside neural nets How neural networks are trained Convolutional neural networks
Machine learning [40%, eta ~May 2018] Neural networks Looking inside neural nets How neural networks are trained Convolutional neural networks Looking inside convnets [40%, eta ~Apr 2018] Deepdream [10%, eta ~Apr 2018] Style transfer [30%, eta ~May 2018] Generative models [10%, eta ~Jun 2018] Recurrent neural networks [10%, eta tbd] Language processing [10%, eta tbd] Game playing [10%, eta tbd]
The Neural Aesthetic 6/4/2016 Theory of neural networks Applications of convnets (deepdream, style transfer, etc) Survey of sub-topics and practical resources ml4a and how to keep up with the field
このページを最初にブックマークしてみませんか?
『Machine Learning for Artists』の新着エントリーを見る
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