M 次元のベクトル x から N 次元のベクトル y への 写像で雑音 S が加わるもの y = Lx + S を考えます。L は線形写像を表す行列です。 実世界の問題において、 L がフルランクであることは 少なく、L のランクが M, N よりも小さいことが しばしば起こります。 仮に L のランクが H であると考えて、 Ax が H 次元のベクトルになるように設計したモデル y=BAx + S のことを縮小ランク回帰といいます。つまり A は M 次元ベクトルから H 次元ベクトルへの線形写像です。 ここで B と A が 行列で、この二つがパラメータです。 現実の問題では、真のランクはわかりませんが、 データから真のランクを 知るにはどうしたら良いでしょうか。 この問題を考えるとき、真のランクが r であるときの 確率的複雑さや汎化誤差の挙動がわかっていると、データから 計算した
プレスリリース 血液中を巡っているNAD合成系酵素eNAMPTが、哺乳類の老化と寿命を制御していることを解明―新しい抗老化方法論の開発に期待― 血液循環中にあるNAD合成系酵素eNAMPT(※1)が、マウスとヒトで加齢に伴い減少すること、またマウスでは血液中のeNAMPT量が個々の個体の余命と強い正の相関を示すことを明らかにしました。 遺伝学的に血液循環中のeNAMPT量を保持したマウス(ANKIマウス)を作製したところ、老齢になって様々な臓器・組織のNAD量が高く保たれ、多彩な抗老化形質を示すことを明らかにしました。 eNAMPTは細胞外小胞(※2)に内包された形で血液中を巡り、標的臓器・組織で細胞質に送り込まれて、NAD合成を賦活化することを示しました。 若齢個体から精製したeNAMPT内包EVは、老齢個体に投与することで、その身体的機能を活性化させ、寿命を延長させることができることを
「ボカロ界の革命だ」――AIを活用して歌声を合成するフリーウェア「NEUTRINO」が2月22日に登場し、ニコニコ動画やTwitterで話題になっている。楽譜データを入力すれば、音程や声質などを操作しなくても人間のような自然な歌声を合成できる。 これまでも研究者や専門の開発者によって日本マイクロソフトの「りんな」や、ヤマハが技術協力した「AI美空ひばり」など、AIを活用した歌声合成技術で作られた楽曲が公開されてきたが、NEUTRINOの登場で誰でも“AIシンガー”に触れられるようになった。 NEUTRINOはSHACHIさんが開発した歌声合成ソフト。ニューラルネットワークを活用して事前に実在する声優や歌手の歌い方を学習したAIが、入力された楽譜から本人らしい発声のタイミングや声の高さ、声質などを推定。自動でビブラートや“しゃくり上げ”といった歌唱表現を再現し、人間らしい歌声を合成する。高性
※ 12 月 20 日 追記あり 来年度から全国の小学校でプログラミング教育の必修化が、2021 年度、2022 年度にはそれぞれ中学校、高等学校でも重点的な学習が始まります。プログラミングやコンピューティングの分野に興味を持つ中高生にとって、学校のカリキュラムの内外に関わらず仲間たちと集まれるコミュニティの存在は重要です。興味関心を自由に追いかけ、その好奇心を満たし、コードを通じて新しいチャレンジに挑む勇気をくれる、そんな場所を作るお手伝いをしたいと Google は考えています。 そんな好奇心旺盛な若きエンジニアたちを応援すべく、パイロットプロジェクトとして、Google のエンジニアたちが選んだプログラミングに関する書籍 10 冊を全国 75 校の中学校及び高等学校に寄贈します。 Scratch ではじめよう!プログラミング入門 Scratch 3.0 版 私は、プログラムを書いてい
これは何か 筆者について なぜ大学院に入ったのか 日本の大学院という場所について 大学院での研究内容について 自分の発表実績 大学院生活について おわりに これは何か 2018年3月に仕事を辞めて,2018年4月に筑波大学大学院システム情報工学研究科コンピュータサイエンス専攻博士前期課程(修士課程)に入学した.それから早くも2年弱が経ち,もうすぐ修了なので大学院生活を忘れないうちにまとめておくだけのエントリである. 修了自体は2020年3月だが,あとは修論を仕上げて提出すれば終了なので研究自体はもう実質終わっている状態である*1. 筆者について 2009年3月に岩手大学農学部を卒業.新卒で上流系SIerに就職して2年半ぐらい勤務した後に,コード書きたくてwebアプリエンジニアに転向.その後,6年半ぐらいweb受託,webサービス運営企業などでソフトウェアエンジニアとして勤務.2018年3月
Amazon Web Services ブログ Amazon SageMaker Studio: 機械学習のための初の統合開発環境 2019年12月3日、Amazon SageMaker Studioという機械学習のための初の統合開発環境(IDE)を提供できることを非常に嬉しく思います。 2017年に Amazon SageMaker がリリースされてからしばらく経ち、このサービスをご利用いただいているお客様の数は増加しています。機械学習開発ワークフローには反復的なプロセスが必要ですが、機械学習ツールが成熟していないために開発者は大変な思いをしてきました。従来のソフトウェア開発時に開発者が当たり前に使用する多くのツール(デバッガ、プロジェクトマネジメントツール、コラボレーション機能、モニタリングツールなど)は、まだ機械学習用には存在していないのです。 たとえば、新しいアルゴリズムを試したり
κeenです。こちらのスライドが話題になっているようです。 10秒で衝突するUUIDの作り方 - Speaker Deck 笑い話としても乱数の難しさの側面としても面白いのですが、これを見た人たちの反応がちょっと勘違いしてそうだったので補足します。 別に私は暗号とか乱数とかの専門家ではないです。 発表者の方のコードは読みましたか? 少し速度が必要になるのでRustに移植します。 [package] name = "genuuidv4" version = "0.1.0" edition = "2018" # See more keys and their definitions at https://doc.rust-lang.org/cargo/reference/manifest.html [dependencies] rand = "0.7.2" sfmt = "0.6.0" use
こんにちは、斎藤 康毅(さいとう こうき)といいます。ここ1年間はずっと本を書いていました。『ゼロから作る Deep Learning ❸ — フレームワーク編』という本です。最近ようやく、原稿を書き終わろうとしています。 この本は「ディープラーニングのフレームワークを作ろう」という本です(野心的にも、オリジナルの「フレームワーク」をゼロから作ります)。世界中を見回しても、ほとんど類書がないような本になっていると思います。これから先、できるかぎり良い本になるよう、最後の最後までブラッシュアップしていく予定です。 さて、今回も前作同様に「公開レビュー」を行います。興味のある方は、オンラインで原稿を読めるページを用意していますので、チェックしてみてください(無料です!)。問題に感じた箇所や改善すべきと思った点など、コメントいただけますと幸いです。どんなに小さな指摘や疑問でも構いませんので、気軽
特徴量選択とは 特徴量選択の難しさ 特徴量選択の手法の大別 教師ありの特徴量選択 filter method 単変量とクラスラベルの関連性を上げる 関係性を上げて冗長性を下げる 関係性を上げて多様性を上げる wrapper method Forward SelectionとBackward Elimination 遺伝的アルゴリズムと粒子群最適化 その他のwrapper method embedding method L1正則化 Regularized tree 特徴量選択のこれから 超高次元データと特徴量選択のアンサンブル 不均衡データにおける特徴量 オンライン特徴量選択 深層学習を用いた特徴量選択 最後に 特徴量選択とは 特徴量選択(Feature Selection, 変数選択とも)はデータサイエンスにおいて非常に重要である。 例えば、製造業において欠陥品を判別するタスクを考えてみよ
# 安全なシステムプログラミング言語Rustへの招待 ---------------------- [IIJ Labセミナー](https://iijlab-seminars.connpass.com/event/152079/) === # About Me --------- ![κeenのアイコン](/images/kappa.png) * κeen * [@blackenedgold](https://twitter.com/blackenedgold) * Github: [KeenS](https://github.com/KeenS) * GitLab: [blackenedgold](https://gitlab.com/blackenedgold) * [Idein Inc.](https://idein.jp/)のエンジニア + 2年半くらい仕事でRustを書いている
By Prostock-studio Googleが単語の発音チェックを行う新しいサービスを2019年11月14日(木)から開始しました。音声ファイルをAIが認識して文字起こしをしたり、声を出さずに音声入力をしたりと音声認識の技術は日々進化しています。Googleによる発音チェック機能は機械学習を用いた技術となっており、英語学習を格段に効率的にしてくれます。 How do you pronounce quokka? Practice with Search https://www.blog.google/products/search/how-do-you-pronounce-quokka-practice-search/ Google search will now give you feedback on your pronunciation - The Verge https://w
序 本書はプログラミングの経験はあるがC++は知らない読者を対象にしたC++を学ぶための本である。本書はすでに学んだことのみを使って次の知識を説明する手法で書かれた。C++コンパイラーをC++で書く場合、C++コンパイラーのソースコードをコンパイルする最初のC++コンパイラーをどうするかというブートストラップ問題がある。本書はいわばC++における知識のブートストラップを目指した本だ。これにより読者は本を先頭から読んでいけば、まだ学んでいない概念が突如として無説明のまま使われて混乱することなく読み進むことができるだろう。 C++知識のブートストラップを意識した入門書の執筆はなかなかに難しかった。ある機能Xを教えたいが、そのためには機能Yを知っていなければならず、機能Yを理解するためには機能Zの理解が必要といった具合に、C++の機能の依存関係の解決をしなければならなかったからだ。著者自身も苦し
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
処理を実行中です
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