Fractional Max-Pooling
Convolutional networks almost always incorporate some form of spatial pooling, and very often it is alpha times alpha max-pooling with alpha=2. Max-pooling act on the hidden layers of the network, reducing their size by an integer multiplicative factor alpha. The amazing by-product of discarding 75% of your data is that you build into the network a degree of invariance with respect to translations
センサーと機械学習の論文をまとめてみる | DevelopersIO
本記事は Machine Learning Advent Calendar 2014 の 24日目のトピックです。 増え続けるセンサーデータ M2M(Machine to machine), IoT(Internat of things) というキーワードが叫ばれて久しい今日、インターネットに接続できるデバイス数の上昇が見込まれるなか、デバイスに搭載された各種センサーデータの分析、活用も今後目が離せない分野です。 データはAWSなどのクラウドサービスのデータセンターに置かれた後、分析、フィルタリングされ、エンドユーザの役にたつ情報を提供していくものと思われます。 各種センサーが農業などの分野で使われ、そこから取得されたデータが分析され、活用されているという話題も多数上がってきています。 センサデータ解析におけるJubatus活用事例 - Slideshare Blue River Tech
Online advertising and large scale model fitting
This document discusses online advertising and techniques for fitting large-scale models to advertising data. It outlines batch and online algorithms for logistic regression, including parallelizing existing batch algorithms and stochastic gradient descent. The document also discusses using alternating direction method of multipliers and follow the proximal regularized leader to fit models to larg
スペクトラルグラフ理論入門
SSII2020 技術動向解説セッション SS1 6/11 (木) 14:00～14:30 メイン会場 (vimeo + sli.do) グラフ構造をもつデータに対する DNN、すなわち Graph Neural Networks (GNNs) の研究はこの２、３年で参加する研究者が急増している。現状、様々なアーキテクチャの GNN が様々なドメインや様々なタスクで個別に提案され、概観を捉えるのも簡単ではない状態になっている。本チュートリアルは、広範に散らばった GNN 研究の現状についての概観と基盤技術を紹介するとともに、時間が許す範囲でコンピュータビジョン領域における応用例の紹介にも取り組みたい。
PythonのnimfaでNMFを試す - About connecting the dots.
PythonでNMFやるには，nimfaというパッケージを使えばよいらしいです．とりあえず使うだけなら，適当なnumpy行列vecを用意して，以下のように関数に投げてあげます． factor = nimfa.mf(vec, seed='random_vcol', method='nmf', rank='5', max_iter=10) res = nimfa.mf_run(factor).basis() とりあえずシードはランダムで，手法はベーシックなnmf．何次元に削減するかをrankで指定して，イテレーション回数を決めればOKです． nmfは関連手法が山ほどあって，ざっと以下のようになります．説明文は基本的に意訳です．正直意訳があってるかも自信はないので，こちらから元論文を読みましょう*1． 手法 概要 BD ギブスサンプラーを使ったベイジアンNMF BM バイナリのMF ICM It
【雑記】学び方について - Topics Related to Computers and NLP
最近時間ができて学びを促進させようと考えているのですが、どのように機械学習、自然言語処理、情報検索に関連する技術や研究動向を学ぶかについて考えていました。結論を先に言ってしまいますと、よく聞く「自分で疑問を持ち、自分で答えられるようにする。また細部を追ってきちんと中身を咀嚼する」になります。結構当たり前なことを書いている、と書いているうちに気がつきましたが、せっかく書いたので公開しておきます。 あるとき、「読む」といったら一字一句──エンジニア・光成 滋生（2）とコストをかけられないなら認めちゃえばいい──エンジニア・光成 滋生（4）を読みまして、「自分の学び方は自分に最適化されているのだろうか？本当に学んだことを理解して咀嚼しているのだろうか？」という疑問が湧きました。 自分でざっと思いつくのは以下の通りです： 自分で実装する 勉強会等で発表する 他人のコードを読む 教科書の練習問題を解
iPhoneの特許を回避して充電ケーブルを108円で売るダイソーの経営努力がすごすぎる
何かと壊れやすいスマホの充電ケーブルがなんと100円均一で売られているのをご存知だろうか？ まずはこちらをご覧頂きたい。なんとダイソーでは108円でiPhone用の充電ケーブルが売られているのだ。 appleで純正品を買えば1,900円はするこのケーブル。あまりにも安すぎて本当に使えるのかと半信半疑になってしまうが、netgeek編集部が試しに買って使ってみたところ、全く問題なく使えた。 さてこの充電ケーブル、何気なく売られているわけだが、その背景にはダイソーの驚くべき経営努力が隠されている。まず前提としてappleはiPhoneのLightningケーブルの特許を取得しているのでサードパーティが普通に販売するとどうしても100円では大赤字になってしまう。 そこでダイソーは特許の隙を攻める作戦に出た。 実はappleが取得しているのは「どちら向きで刺しても両面で充電できるケーブル」という特
SIG2D
今回の C93 で頒布した既刊 SIG2D’15/‘16 に，表紙と中身が入れ替わるという印刷ミスが発覚しました． カラー表紙に書いてあるタイトルと，その次のページ（扉）にあるモノクロ版表紙絵に書いてあるタイトルが異なる場合，今回の印刷ミスの影響を受けています． 会場で手に取って購入して頂いた方々に，大変ご迷惑をおかけしてしまい，申し訳ございません． 現在，対応を検討中です．決まり次第，当ウェブサイトおよび Twitter アカウント にてアナウンス致しますので，今しばらくお待ち下さい．
データビジネス・分析・開発に関して2014年に読んだ本 - About connecting the dots.
年末なのでぼちぼち今年の振り返りをします．ちなみに去年のはこちら． データブジネス，データ分析，ソフトウェア開発の3カテゴリに分けて，それぞれについて上から読んでよかった順に並んでいます． データビジネス "超"分析の教科書 “超"分析の教科書 (日経BPムック) 作者: 日経ビッグデータ出版社/メーカー: 日経BP社発売日: 2014/11/17メディア: 単行本この商品を含むブログ (2件) を見る事例集として，非常によくまとまっていました．幅広い業種で典型的に使われるような手法とか問題とかがコンパクトにまとまっていて，実務でデータ分析をしている人ならみておいて損はないのではないでしょうか．内容は割と平易に書かれているので，データ分析専業じゃない人が読んでも割と読みやすく面白いと思います． アルゴリズムが世界を支配する アルゴリズムが世界を支配する (角川ＥＰＵＢ選書) 作者: クリス
スーパーマリオブラザーズを学習させてみたを改良してみた
焼きなまし法を使って『スーパーマリオブラザーズを学習させてみた（1-1）』を改良してみました。有給消化の暇つぶしに作ったものです。ナレーションの台詞、演出、BGMの選曲などは本家様をリスペクトしております。次動画 sm25226752偉大なる本家様 sm18721450マイリスト mylist/47526485開発中の備忘録 ar695131Lua Script https://github.com/nodchip/fceux-lua-simulated-annealing使用楽曲「スーパーマリオRPG 『対 モンスター戦』」「I Will Always Love You / Whitney Elizabeth Houston」2014/12/28 17:52 追記動画の中で「学習」という単語を使っていますが、「最適化」のほうが適切だというご指摘を頂きました。ありがとうございます。説明を飛
Fast Convolutional Nets With fbfft: A GPU Performance Evaluation
We examine the performance profile of Convolutional Neural Network training on the current generation of NVIDIA Graphics Processing Units. We introduce two new Fast Fourier Transform convolution implementations: one based on NVIDIA's cuFFT library, and another based on a Facebook authored FFT implementation, fbfft, that provides significant speedups over cuFFT (over 1.5x) for whole CNNs. Both of t
Python networkx でマルコフ確率場 / 確率伝搬法を実装する - StatsFragments
ここ 1ヶ月にわたって 聖書 DeepLearning 0.1 Documentation を読み進め、ようやく 制約付きボルツマンマシン の手前まできた。 制約付きボルツマンマシン (RBM) の解説 には RBM = マルコフ確率場 ( Markov Random Field / MRF ) の一種だよっ、と しれっと書いてあるのだが マルコフ確率場とはいったい何なのかは説明がない。マルコフ確率場 <マルコフ・ランダム・フィールド> は用語もカッコイイし結構おもしろいので、 Python でサンプルを書いてみる。 補足 Python では PyStruct というパッケージがマルコフ確率場 / 条件付き確率場 ( Conditional Random Field ) を実装しているため、実用したい方はこちらを。このパッケージ、ノーマークだったがよさげだなあ。 マルコフ確率場とは グラフ
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 - poweic/libdnn: A lightweight and user friendly C++ library for deep and convolutional neural network with GPU acceleration
https://www.logos.t.u-tokyo.ac.jp/~hassy/deep_learning/cnn_igo/