最終更新日： 2019年7月10日 こんにちは、AINOW編集部のぱるです。 みなさんは、もうすでに AI Lab Map 2018 はご覧になりましたか？全国にあるAIに関連した研究室情報が数多く記載され、AIが現在盛んに研究されている分野であることが感じられます。 その中でも今回は、自然言語処理の研究に特化した12の研究室をピックアップしてみました。今回紹介できなかった他の有名な研究室に関しては、今後順を追って紹介させていただきます！ 大学で自然言語処理をしたい学生の皆さんや、その研究室の技術を活用したい企業の皆さんは、ぜひ参考にしてください！ 言語メディア学研究室（荒木研究室）【北海道大学】 荒木 健治 教授 ◇ 研究内容 自然言語処理、音声言語情報処理、知識獲得と感情処理 ◇ 研究目的 人間と同等の言語能力をもつシステムの工学的実現とその応用 人間に質問するように、システムにも質問

import sys from pdfminer.converter import PDFPageAggregator from pdfminer.layout import LAParams, LTContainer, LTTextBox from pdfminer.pdfinterp import PDFPageInterpreter, PDFResourceManager from pdfminer.pdfpage import PDFPage def find_textboxes_recursively(layout_obj): """ 再帰的にテキストボックス（LTTextBox）を探して、テキストボックスのリストを取得する。 """ # LTTextBoxを継承するオブジェクトの場合は1要素のリストを返す。 if isinstance(layout_obj, LTTextBox

We could be entering a renaissance for human spaceflight research, as a record number of private citizens head to space — and as scientists improve techniques for gathering data on…

まえがき 勉強会グループ「機械学習名古屋」では、論文を読み発表し合うという「研究会」を今年（2018年）の4月から行っています。その中で"Relational inductive biases, deep learning, and graph networks"という論文を読みました。それには「近々ライブラリ化して公開するよ」と書かれており、実際に、GraphNetsという名前で10月にDeepMindから公開されました。 この記事では、ライブラリの内容やどのようなものを扱うのかについて勉強を兼ねて紹介しようと思います。 注）この記事でグラフと呼ぶものは、「辺」や「頂点」からなる方のグラフです。 インストール GraphNetsはTensorFlowのライブラリSonnetで作られたライブラリです。Pythonの環境によって少々違いますが、次でインストールします。 理論 ニューラルネット

はじめに A/Bテストを実施した際に、結果が明らかに大きな差が出ればいいのですが、大抵の場合は数%の差で「これは意味がある差なのか？偶然なのか、、、」という場面をよく見かけます。 そこで本稿ではA/Bテストの結果を解釈する際に有用な方法を紹介します。 検証方法としては古典的な統計的仮説検討を利用した方法（カイ二乗検定とt検定）と比較的新しいベイズ推定を利用した方法を紹介します。 それぞれの理論的な説明はWEB上でたくさんあるので、実装・活用にフォーカスした事例を紹介します。 サンプルデータの作成 バリデーション群（施策や改善等の介入をしているグループ）とコントロール群（比較対象として何もしてないグループ）のサンプルデータを作成する 検証したい対象は「バリデーション群とコントロール群の結果に差があるのか」となる 単純な平均値の比較だと0.311(バリデーション群)と0.267(コントロール群

Privacy-focused search engine and web browser company Brave is integrating search results into its Leo chatbot. Search results are based on the Brave Search API and Leo is integrated into…

スタイル変換とは まずは例をご覧ください． コンテンツ画像とスタイル画像を入力すると変換画像が得られます． このようにコンテンツ画像にスタイル画像の画風を反映することをスタイル変換と言います． こちらのサイトでは簡単にスタイル変換が試せるので，是非やってみてください． 上記の例はこのサイトで作成した画像です． 論文一覧 深層学習によるスタイル変換の手法を表にまとめました． 大まかな流れとしては 学習していないスタイルへ変換できるように リアルタイムで変換できるように 研究が進んできています． 手法 概要 変換可能なスタイル数 処理時間(sec) リンク

You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert

なぜ今、「上手な医療のかかり方？」ーーデーモン閣下、広島県のがん検診啓発特使も務めていらっしゃるんですね。医療や健康に関心が高いのですか？ いや、広島県に昔住んでいたのだ。医療とかがんにことさら興味があったわけじゃなくて、広島県だから貢献してみようかと思ったのが最初に引き受けた理由だ。この広島の活動を厚生労働省の人が知っていて、今回の懇談会の話もあったと聞いている。 ーーデーモン閣下はなぜ今、「上手な医療のかかり方」を考えなければならないのだと思われますか？ 我輩も今回、この懇談会に加わるまでは、なぜ今これをやるのかということをはっきりとは知らなかったのであるが、毎回、みんなの会話の中に入っていろいろな人の話を聞くうちに知識も増えてきたわけだ。 そこで我輩が受け止めているのは、これは近い将来、日本の医療危機がやってくるぞということ。もう少し具体的に言うと、多くの医師が働き過ぎであり、疲弊し

概要 tensorflow, kerasで利用できる学習済モデルを使って、クラス判定を行う方法と、その注視領域の可視化についてまとめます。 kerasを使った可視化としては、deep-vis-kerasというライブラリがgithubで公開されているので、これを参考に注視領域の可視化手法をまとめます。 開発環境 以下の環境で動作検証をしています。 OS: Windows10 Tensorflow: v1.11 Kerasでの学習済モデルの利用 可視化の前に、Kerasのapplicationパッケージに含まれる、学習済モデルの利用方法について説明します。 1. 学習済モデルの読み込み applicationパッケージには学習済モデルのクラスが定義されています。利用できる学習済モデルは以下のサイトから調べられます。VGG16, ResNet50から、軽量モデルのmobilenetまで様々なモデ

2016年に『バトルガレッガ Rev.2016』を第1弾としてリリースし、往年のアーケード用シューティングゲームを現代に蘇らせてきた有限会社エムツーの自社ブランド「M2 Shot Triggers」。シリーズ第4弾目となる『ケツイ Deathtiny 〜絆地獄たち〜』が11月29日にPlayStation 4用ソフトとして発売された。 弾幕シューティングゲームの雄である株式会社ケイブが2003年にリリースした『ケツイ～絆地獄たち～』は、クセのあるトリッキーな弾幕とミリタリーを基調とした硬派なデザイン、並木学氏によるブレイクビーツを交えたBGMで今もなお根強いファンを多く持っている。これまでにニンテンドーDS『ケツイ デスレーベル』でのアレンジ移植や、Xbox 360とPlayStation 3でも『ケツイ～絆地獄たち～ EXTRA』といった形で展開されてきたが、今回はM2 Shot Tri

はじめに 今回はSmiles2vecについて簡単に書かせていただきます。お手柔らかに。。。アドベントカレンダーにどこか登録したかった、、、 ご意見ご感想いただければ幸いです。 Smiles2vecとは？ 簡単に言うと自然言語処理（NLP）の分野の技術で、文字列をベクトルに変換するというものです。文字列で物性予測って何という方も多いでしょう。 Smilesとは、 SMILES記法（スマイルスきほう、英: Simplified molecular input line entry system）とは、分子の化学構造をASCII符号の英数字で文字列化した構造の曖昧性の無い表記方法である。wikipediaより 化学構造の情報を持ったベクトルを入力変数として、物性を目的変数として予測という感じでしょうか？ それでは、やっていきます。 Smiles2vecの構造について 上でも話したようにNLPの分

こんにちは。ZOZOテクノロジーズの後藤です。 今回は、最近登場したファッション分野×機械学習の論文のうち、個人的に興味のある分野をご紹介したいと思います。 今回は以下の二つの分野について紹介します。 創造性や独創性を発揮して画像をデザインするモデル 画像上の人物の服を着せ替えをするモデル CAN: Creative Adversarial Networks Generating “Art” by Learning About Styles and Deviating from Style Norms この研究では、人間が生み出した過去の絵画を学習し、そこから独創的な絵を描かせるモデルの開発に取り組んでいます。著者らが注目したのはGenerative Adversarial Networks（GAN）のアイディアです。GANは、ノイズからデータを生成するGeneratorと、データが本物の

この例は規模が小さく、ちょっと頭で考えてれば答えがわかってしまうかもしれません。けれど、巨大なホテルだとしたら頭で考えるのが難しそうです。とにかくこの問題例をアニーリングマシンで解いてみることにします。 問題を量子アニーリングマシンで解くときは基本的に次のような流れに沿って解きます。 (1) 問題の抽出(2) 量子アニーリングマシン (イジングモデル) へのマッピング(3) アニーリングの実行(4) 解の解釈 (1) 問題の抽出 まずは、対象の問題を量子アニーリングで解くことのできるようにできる限りシンプルな問題に切り出すことが必要です。 この問題は実はグラフ頂点彩色問題に帰着させることができます。 グラフ頂点彩色問題とは、任意のグラフ G=(V,E) と色総数 K が与えられたとき、すべての頂点を、隣接する頂点 (すなわち、辺で接続されている頂点) が同色にならないという制約下でK色に塗

かまいるか(Skeb始めました)💉💉 @kama_iruka 元々船で猫を買うのは縁起が良く鼠とかを捕ってくれるという意味もあるのですが、ロシア海軍の猫好きはかなりのもんで潜水艦に飼い猫が居るなら当然空母でも飼ってます。 pic.twitter.com/m1OSxK8aEj 2018-12-14 01:20:34

Windows 10 Ver.1803（April 2018 Update、RS4）で、DrvFs（WSLからWindows側ファイルシステムへのアクセス）が改良され、Windows Subsystem for Linux（WSL）から作成したディレクトリ（フォルダ）に関しては、ファイル名の大文字小文字の区別をするようになった。このような大文字小文字の区別を「ケースセンシティビティ」（Case Sensitivity）という。 POSIX互換のためにNTFSでは ファイル名の大文字小文字を区別できるようになっている そもそもNTFSはファイル名の大文字小文字を区別しており、大文字小文字の状態は保存されている。しかし、WindowsのAPIでは、ファイルの大文字と小文字を区別しないようにしてNTFSを利用する。 Windowsでファイル名の大文字小文字を区別させたい場合には、「FILE_FL

この記事は エムスリー Advent Calendar 2018 17日目の記事です。 皆さんはじめまして！11月にエンジニアリンググループに入りました、SREの平岡です。今回はSRE・・・というよりインフラ技術に携わるエンジニアとして、OSプラットフォーム周辺での新しい技術について紹介します。 8 が・・・来る！ Stratisとは？ 他のVMFsとの違いは？ 使ってみた インストール＆デーモン起動 プール作成〜ファイルシステム作成 その他にできること プールへのキャッシュデバイスの追加 ファイルシステムのスナップショット作成 サポート予定の機能 所感 余談：注目したいポイント We are hiring! 8 が・・・来る！ 今年（2018年）11月の頭に Red Hat Enterprise Linux (RHEL) 8 のパブリックベータが公開されました。そのリリースノートに挙げら

実は人間だった 実は父親だった 実は地球だった 実は死んでた 実は生きてた 実は自分だった 実は夢だった 実は現実だった 実は劇中劇だった 実はシミュレーションだった 実は心の中だった 実は未来だった 実は過去だった 実は同じ時間軸だった 実は違う時間軸だった 実は時間の進み方が逆だった 実はループしていた 実はループしていなかった 実は参加者にまぎれこんでいた 実は偶然ではなかった 実は劇中劇の登場人物だった 実は劇中劇の登場人物ではなかった 実は双子だった 実は三つ子だった 実は入れ替わっていた 実はグルだった 実はグルじゃなかった 実は本当のことだった 実は作者だった 実は読者・視聴者だった 追加意見募集 以下追記 実は違う性別だった 実は人間ではなかった 実は生き物ではなかった 実は神・創造主だった 実は同一人物だった 実は同一人物ではなかった 実は現代だった 実は地球ではなかった

機械学習チームの林田(@chie8842)です。好きなスポーツはテニスとスノボです。 システムは、その当時の最新の技術で作ったとしても必ずレガシー化します。 機械学習システムも他システムと同様、一度デプロイしたら終わりではなく、継続的なメンテナンスが必要です。昨今機械学習は、特に技術の進歩が目覚ましいため、レガシー化するのも早い分野といえます。本稿ではレガシー化した機械学習アプリケーションのメンテナンスと、それに伴うGPU環境からCPU環境への移行によって、大幅にシステムの運用コストを削減した例をご紹介します。 機械学習アプリケーションにおけるコスト課題 クックパッドにおける最初の大きな機械学習プロジェクトである料理きろくがリリースされたのは、2年前のことです。それ以来、様々な機械学習アプリケーションがデプロイされ、現在では大小含めて30を超える機械学習アプリケーションが運用されています。

人間の残虐性を例証したとされる「スタンフォード監獄実験」が、実はすべて計画された詐欺だったとの疑惑が浮上。過去の膨大な資料を調べ、被験者たちにも接触したフランス人研究者が明らかにした“真実”とは──。 それは世界中に知れ渡った実験である。どこにでもいるごく普通の大学生20数名を集め、監獄を模した環境に置く。その20数名をくじ引きで看守と囚人に分けると、数日後、看守になった若者たちがサディズムの権化のように振る舞いだし、実験を中断せざるをえないほどになった。 1971年に実施された「スタンフォード監獄実験」は、私たち人間の心の奥底には「悪」が眠っており、他人を思いのままにできる状況になると、その「悪」が目覚めることを例証した実験として知られる。発表と同時に注目され、無数の論文に引用されることになった。 「とりわけドイツや旧共産主義圏の国々でよく知られている実験です。米国でもこの実験の話は高校

コンビニで「iDで」とか「Suicaで」と言うのはどのタイミングが店員さん的に嬉しいんだろう いつも最後のピッあたりで言ってるんだけど