人工知能学会誌 連載解説「Deep Learning（深層学習）」
人工知能学会監修『深層学習 — Deep Learning』出版の案内 本連載解説の記事を加筆・再編集した書籍『深層学習 — Deep Learning』を近代科学社から2015年10月31日に出版しました． 監修：人工知能学会 著者：麻生 英樹，安田 宗樹，前田 新一，岡野原 大輔，岡谷 貴之，久保 陽太郎，ボレガラ・ダヌシカ 編集：神嶌 敏弘 出版：近代科学社 出版社のページ サポートページ 人工知能学会誌 連載解説「Deep Learning（深層学習）」 現在では記事は無料で公開されています． 安田 宗樹「ディープボルツマンマシン入門 : ボルツマンマシン学習の基礎」人工知能学会誌 Vol.28 No.3 (2013年5月) 麻生 英樹「多層ニューラルネットワークによる深層表現の学習」人工知能学会誌 Vol.28 No.4 (2013年7月) 岡野原 大輔「大規模Deep Lear
[Haskell] 素数列を生成するアルゴリズム×3 / LiosK-free Blog
2008-09-10 カテゴリ: その他のプログラミング タグ: Haskell アルゴリズム 最近すっかりブログから離れていたので、リハビリがてらにメモ代わりのエントリー。 Haskellで素数の無限リストを生成する関数を3つほど作ったのでメモ。 primes1 = 2:f [3,5..] where f (x:xs) = x:f [y | y <- xs, mod y x /= 0] primes2 = 2:filter f [3,5..] where f n = all ((/= 0) . (mod n)) (takeWhile ((<= n) . (^ 2)) primes) primes3 = 2:f [3] [3,5..] where f (x:xs) ys = let (ps, qs) = span (< x^2) ys in ps ++ f (xs ++ ps) [z |
測度論 - Wikipedia
出典は列挙するだけでなく、脚注などを用いてどの記述の情報源であるかを明記してください。 記事の信頼性向上にご協力をお願いいたします。（2019年1月） A が B の部分集合なら、A の測度は B と等しいかそれより小さい。また空集合の測度は 0 でなければならない。 測度論（そくどろん、英: measure theory）は、数学の実解析における一分野で、測度とそれに関連する概念（完全加法族、可測関数、積分等）を研究する。ここで測度（そくど、英: measure）とは面積、体積、個数といった「大きさ」に関する概念を精緻化・一般化したものである。よく知られているように積分は面積と関係があるので、積分（厳密にはルベーグ積分）も測度論を基盤にして定式化・研究できる[1]。 また、測度の概念は確率を数学的に定式化する際にも用いられるため（コルモゴロフの公理）、確率論や統計学においても測度論は重要
PRML読書中 - 人工知能に関する断創録
今年の目標だったパターン認識と機械学習（PRML）を読書中。まだ完全に理解できてないところが多々あるけれど上巻が読み終わった。まだまだ数学がきつくて式変形が追いきれてないところもあったけど、ベイズ的な考え方とはどういうことか少しずつわかってきたかなという感じ。以下の本で関連する数学も並行して勉強中。「これなら分かる最適化数学」は、PRMLを理解するのに必要な数学が具体例つきで解説されていてわかりやすいです。私はこの本を読んでから、だいぶPRMLを読むのが楽になりました。 曲面の方程式 法線ベクトル 二次形式 固有値 等高線 勾配 二次関数 ヘッセ行列 ラグランジュの未定乗数法 勾配法 ニュートン法 最小二乗法 最尤推定法 EMアルゴリズム 線形計画法 二次計画法 あたりがカバーできます。PRMLで難しいと思ったのは線形代数だったので（行列の微分って何？）下の本も読もうかと計画中です。あと数
パターン認識と機械学習（PRML）まとめ - 人工知能に関する断創録
2010年は、パターン認識と機械学習（PRML）を読破して、機械学習の基礎理論とさまざまなアルゴリズムを身につけるという目標（2010/1/1）をたてています。もうすでに2010年も半分以上過ぎてしまいましたが、ここらでまとめたページを作っておこうと思います。ただ漫然と読んでると理解できてるかいまいち不安なので、Python（2006/12/10）というプログラミング言語で例を実装しながら読み進めています。Pythonの数値計算ライブラリScipy、Numpyとグラフ描画ライブラリのmatplotlibを主に使ってコーディングしています。実用的なコードでないかもしれませんが、ご参考まで。 PRMLのPython実装 PRML読書中（2010/3/26） 多項式曲線フィッティング（2010/3/27） 最尤推定、MAP推定、ベイズ推定（2010/4/4） 分類における最小二乗（2010/4/
多層パーセプトロンでMNISTの手書き数字認識 - 人工知能に関する断創録
多層パーセプトロンで手書き数字認識（2014/2/1）の続き。今回は、簡易版のdigitsデータではなく、MNISTのより大規模な手書き数字データを使って学習してみます。 MNISTデータ MNISTは、28x28ピクセル、70000サンプルの数字の手書き画像データです。各ピクセルは0から255の値を取ります。まずは、digitsデータの時と同様にMNISTのデータを描画してどのようなデータなのか確認してみます。MNISTのデータは上記サイトからダウンロードしなくてもscikit-learnのfetch_mldata()関数でWebから取得できます。取得するのは初回実行時だけで二回目以降は第二引数のdata_homeに指定した場所に保存されます。 #coding: utf-8 import numpy as np import pylab from sklearn.datasets imp
Real World Haskell の古いところ - あどけない話
Real World Haskell の内容が古くなってきたので、どこが古いかとか、それに変わる新しいものは何とか、まとめたいと思う。 Real World Haskell―実戦で学ぶ関数型言語プログラミング 作者: Bryan O'Sullivan,John Goerzen,Don Stewart,山下伸夫,伊東勝利,株式会社タイムインターメディア出版社/メーカー: オライリージャパン発売日: 2009/10/26メディア: 大型本購入: 8人 クリック: 245回この商品を含むブログ (76件) を見る 1章 始めましょう 今でも通用する。 2章 型と関数 今でも通用する。 3章 型を定義し、関数を単純化する 今でも通用する。 4章 関数プログラミング ghc に --make オプションはもう不要。 5章 ライブラリを書く 5.14節では、"runghc Setup build" の
Statistical Semantic入門 ~分布仮説からword2vecまで~
1. The document discusses various statistical and neural network-based models for representing words and modeling semantics, including LSI, PLSI, LDA, word2vec, and neural network language models. 2. These models represent words based on their distributional properties and contexts using techniques like matrix factorization, probabilistic modeling, and neural networks to learn vector representatio
日本語技術資料のダウンロード - Intel
Using Intel.com Search You can easily search the entire Intel.com site in several ways. Brand Name: Core i9 Document Number: 123456 Code Name: Emerald Rapids Special Operators: “Ice Lake”, Ice AND Lake, Ice OR Lake, Ice* Quick Links You can also try the quick links below to see results for most popular searches. Product Information Support Drivers & Software
コンソールから切れたプロセスを標準出力につなげなおす - 絶品ゆどうふのタレ
不慣れな環境を不意にいじった時にあるあるネタ。 とりあえずー とか言って勢いで書いたsetupスクリプトを実行してみたら意外と時間かかって、 ちょっと目を離した隙にsshの接続が切れちゃいました！ 。。。ありますよね。ほんとよくありますよね。 そうなる予感はあったんだ なんて後の祭りです。ふとした油断から、screenもnohupすらも使わずにやってしまって、こんなことに。 shellがHUPしなかったからプロセスは生きてるものの、ログが見れないから進行状況がわからない。 うまく行ってるのかどうかモヤモヤした気持ちのまま、プロセスが終わるのをじっと待つ。。。 まぁ実に切ないです。 こんな時、いつも思うこと。 このプロセスの出力、もっかいstdoutに繋げられたらいいのに。。。 はい。というわけでつなげましょう。 長い前座ですみません。 切り離したプロセスを用意 #!/bin/bash wh
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
カメラ歴２年で出版 癒しの『猫ジャンプ』写真集が話題 | 女性自身