日立ソ、AIの自然言語処理で社内文書を有効利用する"活文"サービスを提供
日立ソリューションズは7月25日、業務情報や報告書、マニュアルなどの大量の文書ファイルを所有する企業に向けて、AIによる自然言語処理技術によって技術情報や業務ノウハウの活用を促進する「活文 業務ノウハウ活用ソリューション」を7月26日から販売開始すると発表した。 同サービスは、AIの自然言語処理によって業務文書の内容を解析し、文章を構成する特徴的なキーワードを自動抽出するとともに、文書ファイル同士の関係を可視化する「活文 知的情報マイニング」を実行するというもの。ユーザーはファイルサーバ内にある過去の事例や報告書など、大量にある情報の関係性を見つけることができるという。 これにより、業務経験が浅い担当者でも、知っているキーワードや手元にある文章から必要な資料を見つけ出すことができるようになる。また、業務ノウハウの有効活用を促進し、業務効率向上や技術継承を実現するとしている。 さらに、ある単
JAL、人工知能のマカナちゃん第2弾を展開--最新ハワイ情報を口コミ付きで
JALは7月25日より、チャット形式の自然な対話でハワイ島のオススメ現地情報を自動回答するサービス「マカナちゃん」の第2弾を開始した。第2弾では、最新の口コミ付きでハワイ島の情報を紹介するほか、まだ旅行を検討していない人も楽しめる性格診断機能も搭載されている。 同サービスは日本アイ・ビー・エム(日本IBM)の協力を得て展開し、2018年3月31日まで提供する。2016年12月～2017年1月に展開していた第1弾では、Watsonの「対話技術(Conversation)機能」を活用し、旅行に関する不安や疑問などにチャット形式で自動回答するサービスを展開してきた。第2弾では第1弾の対話機能をベースに、デザインを一新している。
放射線画像系の画像評価
resolution 2 resolution resolving power 1.1 JIS Z4916 resolution LP/mm mm d mm LP u d u / 2 1 = (1.1) I.I. CRT 1 3 LP mm 0.5 0.63 0.8 1.1 Hz 50Hz 1 50 JIS LP/mm cycle/mm 4 resolving limit MTF x q x (1) d x = 100 m u = 5 LP/mm 3.5 4.0 LP/mm 1 5 d mm d mm LP u d u / 2 1 = LP/mm cycle/mm 6 1-1 X 1 3d cycles/mm d 1-2 X 1-3 1-4 X 1 4d cycle/mm d sharpness PSF LSF MTF MTF 2 MTF MTF 8 sharpness spread fu
24bit → 8bit 減色 - koujinz blog
リンク ・画像の変換（目次ページ） ディザ関連 ・パターン・ディザ ・誤差拡散法 ・24bit→8bit減色 24bit の画像を 8bit (256 color) にする方法について、です。 《元データ (24bit RGB)》 この絵の色分布(ヒストグラム)を調べると下記のようになります。 白っぽい背景の面積が大きいので、その部分にピークが出ます。 色の分布を３次元表示すると下記のようになります。 （横:Green,縦:Red,奥行:Blue） 分布がある領域に固まっている事がわかります。 別の画像のヒストグラムを調べると下記のようになります。 《元データ (24bit RGB)》 このように、通常の絵のヒストグラムは、ある領域に分布が集まったもの、 あるいは、幾つかの分布領域が組み合わさったものになります。 さて、24bit の画像を 8bit (256色) に減色する事について考え
GitHub - kjw0612/awesome-deep-vision: A curated list of deep learning resources for computer vision
Awesome Deep Vision A curated list of deep learning resources for computer vision, inspired by awesome-php and awesome-computer-vision. Maintainers - Jiwon Kim, Heesoo Myeong, Myungsub Choi, Jung Kwon Lee, Taeksoo Kim The project is not actively maintained. Contributing Please feel free to pull requests to add papers. Sharing [Share on Twitter](http://twitter.com/home?status=http://jiwonkim.org/aw
github上で論文をまとめてくれているサイトまとめ（メモ） - あおのたすのブログ
(06/13 19:25 追記：バイオ系を追加しました) (06/23 : 画像系を追加しました) (09/30 : RNNのまとめを追加しました) 最近、github上でarxivの面白い論文（主にdeep learning系）をまとめている人が多いので、 自分の知っている有用なリンクをまとめておきます。 自然言語処理、強化学習とカテゴリごとにまとめてくれる人が居て有り難いですね。 自然言語処理系 NLPの論文 github.com NLPの論文（感想も載せているので有り難い） github.com 画像系 github.com 強化学習系 GitHub - junhyukoh/deep-reinforcement-learning-papers: A list of recent papers regarding deep reinforcement learning github.c
Awesome Deep Learning: Most Cited Deep Learning Papers - KDnuggets
Awesome Deep Learning: Most Cited Deep Learning Papers This post introduces a curated list of the most cited deep learning papers (since 2012), provides the inclusion criteria, shares a few entry examples, and points to the full listing for those interested in investigating further. By Terry Taewoong Um, University of Waterloo. We believe that there exist classic deep learning papers which are wor
GitHub - terryum/awesome-deep-learning-papers: The most cited deep learning papers
Awesome - Most Cited Deep Learning Papers [Notice] This list is not being maintained anymore because of the overwhelming amount of deep learning papers published every day since 2017. A curated list of the most cited deep learning papers (2012-2016) We believe that there exist classic deep learning papers which are worth reading regardless of their application domain. Rather than providing overwhe
OpenCV - OpenCV Tutorial CVPR 2015 - OpenCV DevZone
OpenCV Tutorial CVPR 2015¶ Welcome to the CVPR 2015 OpenCV 3.0 tutorial! Description: We will overview the new OpenCV 3.0 Release -- What's changed, what's improved, what's added. We will then step you through hands-on with a series of exercises from simple to complex. All coding will be done via local connection to a server. You only need a browser. Bring your laptop, we will be doing hands on wo
機械学習のデータセットを可視化する「Facets」で遊んでみた - paiza times
秋山です。 先日、Google Open Sourceで「Facets」という機械学習向けデータセットの可視化ツールが公開されました。 サイトはこちら opensource.googleblog.com (※Chromeであれば、ブラウザ上でどういったことができるかのデモを触れます。Safariだとうまく動かない？ようなのでご注意ください） GitHubはこちら github.com デモのようにブラウザ上でデータを可視化したり、Pythonライブラリのjupyter内で使ったりすることができます（ブラウザで表示させるかjupyter内で表示させるかだけの違いですが…） 例えば巨大なデータを扱っていて、うまく分離できていないデータ群はどの辺りになるのか…といったことを可視化して眺めたいときなどによさそうなので、実際にちょっと使ってみたいと思います。 ■Facets使ってみた Facetsに
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
GitHub - arXivTimes/arXivTimes: repository to research & share the machine learning articles
Issues · arXivTimes/arXivTimes
GitHub - jbhuang0604/awesome-computer-vision: A curated list of awesome computer vision resources
GitHub - junhyukoh/umich-eecs545-lectures: This repository contains the lecture materials for EECS 545, a graduate course in Machine Learning, at the University of Michigan, Ann Arbor.
GitHub - abhshkdz/papers: :paperclip: Summaries of papers on deep learning
http://www.flirmedia.com/MMC/THG/Brochures/T559243/T559243_JP.pdf
https://photo-mini.com/how-af-works/