深層学習でニュース記事を分類する - Qiita
はじめに ニュース記事のBag-of-Words(BoW)から，カテゴリを予測するみたいなことをStacked Denoising Autoencodersでやってみました． データセット データセットはlivedoor ニュースコーパスを使います． 本コーパスは、NHN Japan株式会社が運営する「livedoor ニュース」のうち、下記のクリエイティブ・コモンズライセンスが適用されるニュース記事を収集し、可能な限りHTMLタグを取り除いて作成したものです。 らしいです． トピックニュース Sports Watch ITライフハック 家電チャンネル MOVIE ENTER 独女通信 エスマックス livedoor HOMME Peachy の計9つのカテゴリがあるので，9クラス分類問題になります． データ前処理 まず記事をBoWにする必要がありますが，これにはyasunoriさんのRa
多層ニューラルネットでBatch Normalizationの検証 - Qiita
\epsilon = 10^{-5}\\ \mu_{B} \leftarrow \frac{1}{m} \sum_{i=1}^{m} x_i\\ \sigma^2_{B} \leftarrow \frac{1}{m} \sum_{i=1}^{m} (x_i - \mu_{B})^2\\ \hat{x_i} \leftarrow \frac{x_i - \mu_{B}}{\sqrt{\sigma^2_{B} + \epsilon}}\\ y_i \leftarrow \gamma \hat{x_i} + \beta 上式について，$\gamma$と$\beta$がパラメータでそれぞれ正規化された値をScaling及びShiftするためのものだそうです．それぞれ，誤差逆伝播法で学習する必要があるのですが，ここでは詳しい式の導出を割愛します． Fully-Connected Layerの場合 通
1
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
