低ランク性および平滑性を用いたテンソル補完 (Tensor Completion based on Low-rank and Smooth Structu...
![深層学習入門](https://cdn-ak-scissors.b.st-hatena.com/image/square/a44fea73911ea41666d12a7c5084dde775436195/height=288;version=1;width=512/https%3A%2F%2Fcdn.slidesharecdn.com%2Fss_thumbnails%2Fdltutorial-140914082301-phpapp01-thumbnail.jpg%3Fwidth%3D640%26height%3D640%26fit%3Dbounds)
NIPS 8本とかマジすげぇ。。。http://t.co/xvZM0tDiSQ
Context-Aware Music Recommendation Based on Latent Topic Sequential Patterns Negar Hariri DePaul University School of Computing Chicago, IL 60604, USA nhariri@cs.depaul.edu Bamshad Mobasher DePaul University School of Computing Chicago, IL 60604, USA mobasher@cs.depaul.edu Robin Burke DePaul University School of Computing Chicago, IL 60604, USA burke@cs.depaul.edu ABSTRACT Contextual factors can
http://socialfx.jp.net/ 資産額が、ポンド/円10000通貨を新規取引するために必要な最低証拠金額を下回ったためです。 SocialFXの栄枯盛衰 2013/11/11 サービス開始(163501円) 順調に増加 2014/02/10 iPhoneアプリ公開(329033円) 2014/01/15 353437円の最高値を付ける 順調に下落 2014/03/11 元本割れ(160041円) 2014/03/12 このはコンテスト優勝(賞金20万円追加)関連サイト 順調に下落 2014/09/15 破綻(67915円) 過去記事 SocialFXを公開してから1週間経って感じたこと - dsaki SocialFXが破綻の危機に直面している件について(通算2回目) - dsaki SocialFXを通じて色んな金融系サービスの中の人とお話しする機会がありました。その中で
The latest news from Google on open source releases, major projects, events, and student outreach programs. CausalImpact: A new open-source package for estimating causal effects in time series How can we measure the number of additional clicks or sales that an AdWords campaign generated? How can we estimate the impact of a new feature on app downloads? How do we compare the effectiveness of public
ヤフー株式会社は、2023年10月1日にLINEヤフー株式会社になりました。LINEヤフー株式会社の新しいブログはこちらです。LINEヤフー Tech Blog こんにちは。システム統括本部 データソリューション本部の宮崎です。 最近ディープラーニングと呼ばれる技術の話題を耳にすることが増えてきました。 この記事ではディープラーニングの手法を実装し画像認識系の用途で便利に使えるCaffeというツールの使い方を紹介します。 Caffeの概要 Caffeは、C++で実装されGPUに対応した高速なディープラーニングのライブラリです。 大規模画像認識のコンテストILSVRCで2012年にトップとなった畳込みニューラルネットワークの画像分類モデル[1]がすぐに利用できるようになっています。 Caffeは、カリフォルニア大学バークレー校のコンピュータビジョンおよび機械学習に関する研究センターであるBV
はじめに S. Wang & C. D. Manning, Baselines and Bigrams: Simple, Good Sentiment and Topic Classificatioin Naive Bayes素性を利用したSVM(NBSVM)なるものを試してみる。 SVM with NB features(NBSVM) Log-count ratio r = log( (p / ||p||_1) / (q / ||q||_1) ) 正例カウントベクトル p = α + Σ_{i:y_i=1} f_i 負例カウントベクトル q = α + Σ_{i:y_i=-1} f_i f_i : 各事例iにおける素性ベクトル α : スムージング用パラメータ モデル w' = (1-β) * w~ + β * w w~ : ||w||_1 / |V| β : 補間パラメータ(0〜1)
テキストマイニングシンポジウムに参加した。 第5回 テキストマイニング・シンポジウム:参加募集 - 言語理解とコミュニケーション研究会 1日目は企業の方の話が多めで公にできないことも結構あるみたいだった。 Twitterから抽出したプロファイルデータと購買データを組み合わせた次世代型ハイブリッド・ターゲティング 楽天とNTTデータの人の話。 最初は楽天の人の話で、既存のマーケティング手法には限界があるので、Twitterなどのソーシャルなデータを活用するというもの。リコメンドで問題になる購入履歴のないユーザへの問題(コールドスタート)をTwitterのデータが活用すると緩和ができる。メールの開封率やコンバージョンを購入履歴に基づいたものとTwitterデータを活用したものなどで比較していたのがおもしろかった。 次にNTTデータの人の話。ツイートに対して、キーワード抽出やカテゴリ分類、ポジネ
In the past 50+ years of convex optimization research, a great many algorithms have been developed, each with slight nuances to their assumptions, implementations, and guarantees. In this article, I'll give a shorthand comparison of these methods in terms of the number of iterations required to reach a desired accuracy \(\epsilon\) for convex and strongly convex objective functions. Below, methods
スマホなどの携帯端末のGPS機能によって、個人の居場所(ある時刻における滞在位置情報)を容易にアプリ提供業者が収集できます。そして、個人の居場所情報は様々なビジネスで有用な情報です。多数の業者が使いたい情報であり、収集した業者から第3の業者への転売も起こりえます。 しかし、このような情報を含む個人データのデータベース自体が転売されるとなると、悪用される危険がつきまといます。 データベース自体を転売するのではなく、データベースへの質問をさせ、統計情報を回答する使い方が安全で使いやすいかもしれません。データベース自体が時々刻々と変化しています からなおさらです。 そこでこのスライドでは、多数の人の滞在場所情報のデータベース質問への答えに雑音を加算してプライバシーを保護する差分プライバシー技術について最近の論文を紹介します。 膨大な滞在情報データベースを直接扱うのではなく、適宜、階層的に分割を繰
去年の末頃にこんな論文が発表されました。 Occurrence of the Synthetic Analgesic Tramadol in an African Medicinal Plant De Waard, M. et al. ACIE 2013, 52, 11780 トラマドールという鎮痛作用のある合成医薬(μアゴニストのオピオイド鎮痛剤)がアフリカ、カメルーンの薬用植物から単離、構造決定された、という論文です。 トラマドール(Wikipedia) ↑Wikipediaに載ってるくらいに有名なのねコレ まあこれ出たときには「へー、アフリカまだまだいろんなのあるなー(ホジホジ」くらいにしか思ってなかったし、せいぜい『天然から採れたんだったらこれから権利とかなんだとかもめそう』だとか『合成品が天然から見つかったとかで自然派のみなさんどうすんですかね』だとかそういう性根の曲がったこ
[This article was first published on Revolutions, and kindly contributed to R-bloggers]. (You can report issue about the content on this page here) Want to share your content on R-bloggers? click here if you have a blog, or here if you don't. Google has just released a new package for R: CausalImpact. Amongst many other things, this package allows Google to resolve the classical conundrum: how can
前編ではnewしたときのバイトコードについて追いましたので、後編ではバイトコード実行による現象=メモリの使い方やデータ構造について追っていきたいと思います。 なお私はSunやIBMのJVMしか扱ったことがないので、他の実装には当てはまらない内容が含まれるかもしれません。ご了承ください。 データはどこに作られるのか 当然メモリに作られます。もう少し厳密に言うと、JavaHeapに作られます。 そもそもJVMはデータをどのように扱うのか? JVM仕様書のRuntime Data Areasの節に、データを扱う6つの領域についての説明があります。 Program Counter Register JVM stacks Heap (Java Heap) Method Area Runtime Constant Pool Native Method Stacks これらの領域のうち、newされたオブ
はじめにシンボリック実行(symbolic execution)という用語をセキュリティ系の論文でよく見かけるようになった.ここでは,シンボリック実行の基礎となる理論を辿る.筆者はソフトウェアテストの研究には疎く,おそらく本稿には若干以上の誤謬と誤解が含まれているだろう.ぜひ識者の教示を乞いたい. 発祥シンボリック実行は主にソフトウェアテストの領域で古くから研究されてきたトピックである.シンボリック実行という用語の初出は遡ること38年前,James C. KingらによるSymbolic Execution and Program Testing [PDF]という論文だ.Dijkstraがgoto文の濫用による大域脱出を批判したのが1968年であり,Guarded Command Languageを提案したのが1975年のことである.この論文が発表された1976年当時はまさに構造化プログラ
この文章は、pipeR 0.5 README を適当に翻訳したものです。 https://github.com/renkun-ken/pipeR/tree/0.5 pipeR の最新バージョン(v0.6)の翻訳は下記にあります。 https://github.com/renkun-ken/pipeR/blob/master/README.ja.md pipeR は、パイプ演算子(%>>%)およびパイプ関数(Pipe())を提供する R パッケージです。 シンタックスとして、 関数の最初の引数にパイプ 表現式中のドット(.)にパイプ ラムダ式でパイプ 副作用ありパイプ 代入ありパイプ をサポートしています。 これらのシンタックスは、パイプラインの可読性を上げるためにデザインされています。 インストール CRAN からインストール(v0.4-2):
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