How to Train Your Robot with Deep Reinforcement Learning; Lessons We've Learned
Deep reinforcement learning (RL) has emerged as a promising approach for autonomously acquiring complex behaviors from low level sensor observations. Although a large portion of deep RL research has focused on applications in video games and simulated control, which does not connect with the constraints of learning in real environments, deep RL has also demonstrated promise in enabling physical ro
機械学習工学研究会（MLSE）
機械学習工学研究会（MLSE）は、機械学習システムの開発・運用にまつわる生産性や品質の向上を追求する研究者とエンジニアが、互いの研究やプラクティスを共有し合う会です。 2018年度より、日本ソフトウェア科学会の公式研究会となります。 何をするの？ 近年の機械学習、あるいは深層学習（ディープラーニング）の発展に伴って、機械学習を利用するソフトウェアは急速に社会に浸透しつつあります。しかしその一方で、これまでのソフトウェア工学は、機械学習を組み込んだシステム（機械学習システム）の前に全くと言っていいほど通用しなくなってしまっています。機械学習ソフトウェアの開発・テスト・運用の方法論は未だに確立できておらず、開発現場ではエンジニア達が試行錯誤でなんとか凌いでいる状況です。 このような現状を踏まえ、機械学習システムに対しては「機械学習工学」ともいうべき、新たなパラダイムの確立・体
Software 2.0
I sometimes see people refer to neural networks as just “another tool in your machine learning toolbox”. They have some pros and cons, they work here or there, and sometimes you can use them to win Kaggle competitions. Unfortunately, this interpretation completely misses the forest for the trees. Neural networks are not just another classifier, they represent the beginning of a fundamental shift i
iMLSE 2020
Keynote Speaker: Clark Barrett (Associate Professor at Computer Science of Stanford University, Co-Director of Center for AI Safety, USA) Title: Towards Rigorous Verification for Safe Artificial Intelligence Biography: Clark Barrett joined Stanford University as an Associate Professor (Research) of Computer Science in September 2016. Before that, he was an Associate Professor of Comput
機械学習工学研究会キックオフシンポジウムは「業界あるある」と「共感」に満ちていた 〜イベントレポート〜 | LeapMind inc.
5/17に開催された、機械学習工学研究会キックオフシンポジウムというイベントに参加してきました！ 機械学習特有の課題を見据えながら、既存のソフトウェア工学をベースにしながら今後の機械学習システムの開発・運用における品質や開発手法を一緒に考え議論する場であり、様々な立場の方々からの視点でかなり詳細に課題提起している会でした。 機械学習における課題は、機械学習関連の企業に勤めている人たちの間では、なんとなく解釈されていて、暗黙の了解のように皆共通で感じていることが多くあるのですが、一歩外に出ると、課題はもちろん理解されていないし、機械学習が魔法かのような扱いを受けることが多々あります。 （発注者と受注者の間で巻き起こる論争。。。。） Twitterなどで、課題提示している人もいますが、大抵は、文章量の少なさや背景知識の差が大きすぎて、マウントをとっているように聞こえることが多く、過去炎上してい
MLSE
機械学習工学研究会（MLSE）は、機械学習システムの開発・運用にまつわる生産性や品質の向上を追求する研究者とエンジニアが、互いの研究やプラクティスを共有し合う会です。 2018年度より、日本ソフトウェア科学会の公式研究会として正式に発足しました。 近年の機械学習、あるいは深層学習（ディープラーニング）の発展に伴って、機械学習を利用するシステムは急速に社会に浸透しつつあります。しかしその一方で、従来型のITシステムに用いられてきた様々なソフトウェア工学的手法は、機械学習を組み込んだシステム（機械学習システム）の前に全くと言っていいほど通用しなくなってしまっています。機械学習システムの開発・テスト・運用の方法論は未だに確立できておらず、開発現場ではエンジニア達が試行錯誤でなんとか凌いでいる状況です。 このような現状を踏まえ、機械学習システムに対しては「機械学習工学」ともいうべき、
PyTorch
Join us in Silicon Valley September 18-19 at the 2024 PyTorch Conference. Learn more. Learn Get Started Run PyTorch locally or get started quickly with one of the supported cloud platforms Tutorials Whats new in PyTorch tutorials Learn the Basics Familiarize yourself with PyTorch concepts and modules PyTorch Recipes Bite-size, ready-to-deploy PyTorch code examples Intro to PyTorch - YouTube Series
ONNX
Open Neural Network Exchange The open standard for machine learning interoperability Get Started ONNX is an open format built to represent machine learning models. ONNX defines a common set of operators - the building blocks of machine learning and deep learning models - and a common file format to enable AI developers to use models with a variety of frameworks, tools, runtimes, and compilers. LEA
GitHub - lutzroeder/netron: Visualizer for neural network, deep learning and machine learning models
深層学習はシステム1からシステム2へ
日本ディープラーニング協会（以下JDLA）の年頭所感[1]の中で、東京大学の松尾 豊教授は、次のように述べています。 今後、ディープラーニングの技術はさらに進んでいきます。ロボットや機械への応用、そして言語の処理のブレークスルーへと進んでいくはずです。昨年末、NeurIPS 2019でBengio氏が行った講演は、システム1のディープラーニングからシステム2のディープラーニングへという内容で、今後の技術の広がりが感じられる非常に挑戦的なものでした。 ここで言うシステム2のディープラーニングとは何でしょうか？ 本記事では、システム2の最前線について探ってゆきます。 NeurIPS 2019招待講演 Conference and Workshop on Neural Information Processing Systems（略称：NeurIPS、旧称：NIPS）は、毎年12月に開催される機
The Consciousness Prior
A new prior is proposed for learning representations of high-level concepts of the kind we manipulate with language. This prior can be combined with other priors in order to help disentangling abstract factors from each other. It is inspired by cognitive neuroscience theories of consciousness, seen as a bottleneck through which just a few elements, after having been selected by attention from a br
Neural scene representation and rendering
Research Neural scene representation and rendering Published 14 June 2018 Authors Ali Eslami, Danilo Jimenez Rezende There is more than meets the eye when it comes to how we understand a visual scene: our brains draw on prior knowledge to reason and to make inferences that go far beyond the patterns of light that hit our retinas. For example, when entering a room for the first time, you instantly
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
ビデオ会議を変革させる GAN 研究 | NVIDIA
CDLEとは | CDLE
機械学習工学研究会（MLSE） - 資料一覧 - connpass
Model Zoo — PyTorch/Serve master documentation
Model Zoo
Caffe | Model Zoo
GitHub - onnx/models: A collection of pre-trained, state-of-the-art models in the ONNX format
GitHub - onnx/onnx: Open standard for machine learning interoperability
