Roswell scriptで良い感じのREPLを書いた（書きたい） - Qiita
はじめに Common Lispは流行っていません．流石に数あるLisp方言の中では最も使われている部類と思いますが，それでも流行っているとは言いがたいと思います．なぜCommon Lispが流行らないかというと，S式がどうとかカッコがどうとか以前にインフラストラクチャが整っていない（ように見える）からだと個人的には考えています．例えばパッケージマネージャのデファクトスタンダードはQuicklispですが初心者にとって馴染みやすいものではないと思います． しかしながら最近はRoswellの登場もあってかなり改善されていて，以前に比べればCommon Lispを始めるハードルはほとんど近代的な言語（例えばPython，Ruby）のそれに追いついてきているように思います．また，Roswellのおかげでポータブルなスクリプトも書きやすくなりました． それではRoswellがもっと浸透すればCom
2017年のディープラーニング論文100選 - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? これはFujitsu Advent Calendar 2017の18日目の記事です。 掲載内容は富士通グループを代表するものではありません。ただし、これまでの取り組みが評価されて、富士通がQiitaに正式参加することになりました[リンク]。なお、内容の正確性には注意を払っていますが、無保証です。 はじめに この記事では今年発表されたディープラーニング論文（ArXivでの発表時期、発表された国際会議が2017年開催またはジャーナル掲載が2017年のもの）から私が個人的に重要だと思った論文を収集しています。また、2016年末ごろの論文も重要
Extremely Large Minibatch SGD: Training ResNet-50 on ImageNet in 15 Minutes
We demonstrate that training ResNet-50 on ImageNet for 90 epochs can be achieved in 15 minutes with 1024 Tesla P100 GPUs. This was made possible by using a large minibatch size of 32k. To maintain accuracy with this large minibatch size, we employed several techniques such as RMSprop warm-up, batch normalization without moving averages, and a slow-start learning rate schedule. This paper also desc
Best of arXiv.org for AI, Machine Learning, and Deep Learning - November 2017 - insideAI News
Best of arXiv.org for AI, Machine Learning, and Deep Learning – November 2017 In this recurring monthly feature, we filter recent research papers appearing on the arXiv.org preprint server for compelling subjects relating to AI, machine learning and deep learning – from disciplines including statistics, mathematics and computer science – and provide you with a useful “best of” list for the past mo
関西Lispユーザ会 Advent Calendar 2017 - Adventar
関西Lispユーザ会アドベントカレンダー 次回の例会まで、少し間が空いてしまう予定の本会ですが、せっかく盛り上がってきたのに何もしないなぁというのもどういうものかということで、アドベントカレンダーやります。 内容 内容としては、本会の趣旨と同じくLispに少しでも関係があれば何でもどうぞ。 また、執筆は、本会の会員（参加者）だけでなく、関西のLisperに知らせたい情報をお持ちの方もどうぞ。 例) 関西らしくLispダジャレ 自身のプロダクトの紹介 Lisp初心者応援記事 関西のLisperが広めたいこと 関西のLisperに広めたいこと 関西Lispユーザ会とは 関西を注進に活動しているLisp(プログラミング言語)に興味がある人のための集まりです。今年の春に発足し、３回ほど発表形式のイベントを行いました。イベントの会場は関西圏ですが、関西在住の方々だけでなく、広くLispに興味のある方
CommonLispの例外処理機構 - Qiita
この記事は関西Lispユーザ会アドベントカレンダー2017の23日目です。 CommonLispを触っていて、例外処理まわりが面白いと感じました。 CommonLispには"Condition System"という例外処理機構があります。Condition Systemの基本は、Conditionの通知とハンドリングです。 基本 Conditionというのはエラーや警告、何らかの通知を表すものです。実際にはconditionクラスを継承したクラス(CLOSのクラス)のことを指します。conditionクラスのサブクラスとしてerror, warning, simple-conditionクラスなどがあり、通知の重要度や内容によって使い分けます。もちろん、これらを継承して独自のConditionクラスを定義することもできます。 Conditionクラスの定義にはdefine-conditio
Common Lispで遅延評価を作って遊ぶ（1） - eshamster’s diary
目標：無限長数列 遅延評価というものを始めて耳にしたのはHaskellの入門書*1ですが、印象的だったのはやはり"[1..]"、ご存知無限リストですね。CやC#の世界で平和に暮らしていた人間にとっては中々衝撃的でした。 ということで、Common Lispで遅延評価（Lazy Evaluation）を使って無限長数列で遊ぶことを目標にします。まず今回は、基本的な遅延評価ライブラリから無限長数列を作るところまで。 遅延評価ライブラリ Common Lispは遅延評価ベースな言語…では全然無いですが、クロージャとマクロを使って20～30行もあればベース（lazy, force, lcons, lcar, lcdr）ができあがります。こうして世の中で何千何万と作られたと思われる遅延評価ライブラリ群*2にまた一つのライブラリcl-lazy（名前衝突が起きている気しかしない）が加わりました。 esh
Clojure の日本語ガイド — Clojure の日本語ガイド
Clojure の日本語ガイド¶ このドキュメントは Clojure 初学者の方やこれから始めてみたいという方を対象に書いています。
Clojure/conj 2017に見るClojure界のトレンドとこれから - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? はじめに Clojure/conjは、Clojureの生みの親であるRich Hickeyも所属しているCognitectが主催している、Clojure界では最大のカンファレンスです。毎年アメリカのどこかで開催されており、今年はメリーランド州ボルチモアで行われました。今年はClojureが初めてリリースされてから10周年で、記念すべき回となっていたようです。 今年のClojure/conj 2017では、私も念願の初参加かつ初発表をしてきました。アメリカは遠いですからね…ずっと行ってみたかったのですが、なかなか気軽に見に行くことはできま
NVIDIAが規約変更によりGeForceのデータセンター利用を制限。大学などの研究活動にも大ブレーキ
NVIDIAが規約変更によりGeForceのデータセンター利用を制限。大学などの研究活動にも大ブレーキ First Order rising 2017.12.19 Updated by Ryo Shimizu on December 19, 2017, 16:08 pm JST 深層学習分野で、NVIDIAの名を知らない者は潜りと言われても仕方がないでしょう。かつて日本の新聞社で、NVIDIAを「謎の半導体メーカー」と呼んで赤っ恥をかいた人がいますが、NVIDIAなくして深層学習の研究はままならないことは間違いありません。 というのも、深層学習に不可欠な積和演算機能に優れた半導体とAPIを提供しているのが、事実上世界にNVIDIA一社しかないからです。 Intelやその他のメーカーも頑張って入るのですが、NVIDIAが持つ多数の知的財産権の前に、後塵を拝しています。 それはそれで、NVID
Common Lispのランダムフォレストライブラリcl-random-forestで特徴量の重要度を出してみる
概要 UCIのAdultデータセットを予測する LIBSVM形式への変換 ランダムフォレストを構築 ランダムフォレストから特徴量の重要度を出す 番外: scikit-learnの場合 メモ: 上の図の作り方 (Lisp Advent Calendar 2017参加記事) 概要 ランダムフォレストは多くの特徴量を持つような大きなサイズのデータセットを現実的な計算量で学習できる便利なモデルであるが、その重要な特徴の一つに、「特徴量ごとの重要度を推測できる」というものがある。 Random Forestで計算できる特徴量の重要度 Selecting good features – Part III: random forests 特徴量の重要度の推測の方法にも色々あるが、これらの記事では、MeanDecreaseAccuracyとMeanDecreaseGiniという2つの方法が紹介されている。
[1709.09018] AutoEncoder by Forest
Auto-encoding is an important task which is typically realized by deep neural networks (DNNs) such as convolutional neural networks (CNN). In this paper, we propose EncoderForest (abbrv. eForest), the first tree ensemble based auto-encoder. We present a procedure for enabling forests to do backward reconstruction by utilizing the equivalent classes defined by decision paths of the trees, and demon
DL4US | Deep Learning for All of Us
7/13、抽選を通過された方には、メールにてオンラインテストのご案内をお送りしました。 迷惑メールフォルダに入っている場合もありますので、ご確認をお願いします。 当初7/12〜15にオンラインテストを実施する予定でしたが、想定以上のお申し込みがあったため、スケジュールが遅れております。 今回は、まず最初に抽選を行い、当選された方にのみオンラインテストを受けていただく運営とさせていただきます。 抽選の結果の発表は、オンラインテストのご案内メール（7/13送信予定）をもってかえさせていただきます。 オンラインテストは7/14〜16を予定しております。 DL4USは，高度なDeep Learning技術者を育成することを目的とした，アプリケーション指向の無償オンライン教育プログラムです．3年間で1,000人のDeep Learning技術者を育成し，人工知能分野における日本の競争力を向上すること
検索ログから「じわじわ検索頻度が上昇しているキーワード」を見つける - クックパッド開発者ブログ
こんにちは。トレンド調査ラボの井上寛之（@inohiro）です。 普段は法人向けサービス「たべみる」の開発を担当しています。 たべみるはクックパッドの検索ログを基にしたサービスで、任意のキーワードの検索頻度、キーワード同士の組み合わせ検索頻度、 およびそれらを地域や年代・性別で絞り込んで分析することができます。 トレンド調査ラボでは「たべみる」の開発のほか、 クックパッド上のトレンドを見つけるために日々調査を行っています。 ここでのトレンドとは、「流行っている」もしくは「流行りそう」といったものを指します。 消費者が気になっているキーワードが何かを知ることで、消費者が求めている情報を適切に提供できると考えています。 今回は、膨大な検索ログの中から「じわじわ検索頻度が上昇しているキーワード」を見つけるために 行ったことについて紹介したいと思います。 じわじわ検出 「じわじわ検索頻度が上昇して
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
朝日新聞・高橋純子氏 「安倍政権の気持ち悪さ伝えたい」｜注目の人 直撃インタビュー
Common Lispのお宅拝見: CMU Common Lisp篇 — #:g1
Iris - A ISLisp Implementation
http://www.gnuplot-cmd.com/axis/format.html
Random Forest Probabilistic Prediction vs majority vote
Shibuya.lisp