人間は、たとえなじみのない場所であっても、自分が今どこにいるのかという感覚を常に持っている。それはなぜだろうか。その理由を説明できるかもしれない科学的発見がなされた。

急にMATLAB/Simulinkを使うことになった時に読む本posted with カエレバ株式会社ネクスティエレクトロニクス 2018-03-15 Amazonで探す楽天市場で探すYahooショッピングで探す 目次 目次 はじめに 参考資料 MyEnigma Supporters はじめに MATLABにおいて imread(filename) で画像を読み込むことができるのは，有名な話です． しかし，複数の画像を一気に，または順に読み込ませたい時はどうでしょう． たかが十数枚なら， <span style="font-weight:bold;">imread(filename)</span> <span style="font-weight:bold;">imread(filename)</span> <span style="font-weight:bold;">imread(fi

会場で面接ができる、内定が出るチャンスも！ 正社員採用はもちろん、インターンシップや職務経験者向けのポジションも求人あり！ 様々なバックグラウンドからの参加歓迎！

今回は「情報工学を体系的にやりてぇな...」という方のために 情報工学を体系的に学べるような記事を書きます。 内容は高専のカリキュラムを時系列にまとめ、参考になった教科書などを! というわけで1年目から書いていきます~ もちろん思い出しながらなのでヌケモレが有りそうですが… 1年目 ここではぶっちゃけ専門はほとんどありませんでした。 やったことは コンピュータ・リテラシー 情報数学 コンピュータ・リテラシー 色々Linuxに触れてみよう的な感じの授業。 最初にセットアップして、Emacsとかコマンドラインとか徹底的にやりました。 バッファの概念とか当時はさっぱりだった気が。 とにかくコマンドラインを使いまくったのでその時やっといて本当に良かったなと。 情報数学 何が情報数学なのだかようわからなかったけど、 数列 証明 2進数 不等式 集合論 なんかをやりました。他にも合った気がするけど。

はてなブックマークを見ていたら、ドロップボックス社ＣＥＯのドリュー・ヒューストン（Drew Houston）氏のMITでの卒業式のスピーチが良かったという記事が人気を集めていて、興味深く読んだ。 「人生のコツはこの３つだけ」Hiro Blog 彼は1983年生まれ、現在30歳である。 若くして大成功をおさめた天才起業家であり、その彼の話なので、もちろん、とても説得力がある。 しかし、もうひとつ、この卒業式シーズン（アメリカの）に、大きな感動を生んだ、卒業生に贈られたスピーチがある。 それは、作家、George Sanuders氏によって、Syracuse Universityで行われたもので、全文がネット上に書き起こされている。（原文はこちら） （Googleで検索すると、なんと何万、何十万件もヒットする。それほど、急速に共有されている） (追記：動画も上がっています：コメントで教えていた

この記事は abicky.net の NMF: Non-negative Matrix Factorization（非負値行列因子分解） に移行しました

夏ですね。暑いですね。比戸です。 先月開かれた機械学習のトップ会議ICML2013の論文読み会を開催しました。本会議に参加したPFIメンバーがいたので、せっかくだからと外部公開にしたところ、想像以上の盛り上がりとなりました。 1週間前というかなり無理なスケジュールで募集をかけたにも関わらず、読む人枠は瞬時に埋まり、聞く人の数も予想を大きく超え合計40名と弊社オフィスでは収まらなくなったため、東大の中川先生にお願いして場所をお貸し頂きました。ありがとうございました。 平日夜18時から22時という時間にもかかわらず濃密なガチ発表が続き、とても有意義な情報共有・質疑が出来たのではないかと思います。ここ1-2年このような論文読み会の機会が減っていると感じていたので、今後も継続的に開催出来ればと思います。 発表者の皆さんもかなり資料をSlideshareに上げてくださったのでせっかくなのでここにまと

この記事には広告を含む場合があります。 記事内で紹介する商品を購入することで、当サイトに売り上げの一部が還元されることがあります。 先日の台湾遠征にて、すっかり台湾が気に入ってしまった私。 言葉も漢字で馴染みやすいこともあり、ちょっと勉強してみたいなーと思っていました。 ですが、台湾の言葉（公式には台湾華語、他に話し言葉として台湾語もあるがここでは割愛）を学ぼうと思っても、日本語で書かれた本のバリエーションが少なくなかなか選びづらい。 中国語（北京語）と同じかと思っていたのですが、意外と異なっているところも多いようでどうやって勉強しようかと思っていました。 そう思いつついろいろ調べていていると、来日している台湾人の方のブログからすごいサイトにたどり着きました！ 台湾政府「全球華文網」が運営している台湾華語学習サイト「五百字説華語」というのがそれで、日本語やドイツ語など5カ国の言葉で台湾の言

いよいよ、従来のBoVWに変わる新しい特徴表現方法を見ていきます。これらの新しい特徴は直接線形手法に適用できるように設計されており、線形SVMと合わせて用いられることが多いです。 前置き 一枚の画像からBoVW（或いは、それに類する枠組み）によって特徴ベクトルを得るまでは、非常に大雑把に分けると次の二つの過程に分かれます。 画像から多数（数千〜数万）の局所特徴を抽出 得られた大量の局所特徴の情報を利用し、最終的なアウトプットである一本の特徴ベクトルを生成 どちらも大事なプロセスですが、今回考えるのは2のほうです。つまり、局所特徴はなんらかの方法でとってあるとして、その後どうするかという部分です。1の方は今回は触れませんが、SIFT + dense sampling などが多いようです（参考: Bag of Visual Words - n_hidekeyの日記）。 プロセス2で重要なのは、