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
通信速度が約27倍に高速移動中の電車の中でもアップする新技術登場
by ~revengexx14 周波数帯域(帯域幅)あたりのユーザ数が多すぎてネットワークが混雑し、通信速度が出ないという状況は珍しくありません。auの田中社長が監督官庁にさらなる周波数の割り当てを依頼していると語ったのをはじめ、国内外問わず通信キャリアは少しでも帯域を確保しようと必死です。しかしこのたび、新たな帯域を必要とせず、インフラ整備もせず、ワイヤレスネットワークの速度を改善する技術が開発されました。 A Bandwidth Breakthrough - Technology Review 端的に言うと、パケットを1つずつ送信する代わりに、一連のパケットについて記述された代数方程式を送るというもので、パケットロスが発生したときに「再度パケットを送って」と要求するのではなく、受信側でロスした部分を解決するので、通信量が減るという仕組み。必要とされる式は単純で線形なので、電話やルータ、
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
http://www.oki.com/jp/otr/2012/n220/pdf/220_r13.pdf
