年が明けてもう一ヶ月経ちましたね．岡野原です． 今日はMinHashと呼ばれる手法を紹介します．これは特徴ベクトルの高速な類似検索に利用することができます(クローラーの文脈だとShingleとして知られている）． 今や世の中のあらゆる種類のデータが，高次元のバイナリベクトルからなる特徴ベクトルで表されて処理されるようになってきました．例えば文書データであれば文書中に出現する単語やキーワードの出現情報を並べた単語空間ベクトル（Bag of Words）で表し，画像データも，SIFTをはじめとした局所特徴量を並べた特徴ベクトル（とそれをSkecth化したもの）として表せます．行動情報や時系列データも特徴量をうまく抽出する．グラフデータもFast subtree kernels[1]と呼ばれる方法で非常に効率的に特徴ベクトルに変換することができ，グラフの特徴をよく捉えることができるのが最近わかっ

岡野原です。Deep Learningが各分野のコンペティションで優勝し話題になっています。Deep Learningは7、8段と深いニューラルネットを使う学習手法です。すでに、画像認識、音声認識、最も最近では化合物の活性予測で優勝したり、既存データ・セットでの最高精度を達成しています。以下に幾つか例をあげます。 画像認識 LSVRC 2012 [html]  優勝チームスライド [pdf], まとめスライド[pdf] Googleによる巨大なNeuralNetを利用した画像認識（猫認識として有名）[paper][slide][日本語解説] また、各分野のトップカンファレンスでDeep Learningのチュートリアルが行われ、サーベイ論文もいくつか出ました。おそらく来年以降こうした話が増えてくることが考えられます。 ICML 2012 [pdf] ACL 2012 [pdf] CVPR

祢次金です。 昨年末に話題になったKinectを使って、プロジェクタスクリーンをタッチパネル化するアプリケーションを作ってみましたのでご紹介したいと思います。 Kinect自体の説明については他所に譲りますが、オープンソースのKinectドライバが公開されてから今まで、実に多くの人々がKinectで面白い実験を行っています。Kinectでピアノを作った人までいます。 Kinectは赤外線によって深度情報が取れますので、単なる机や床に対しても擬似的にタッチを検出することができるわけです。 そこで私も先ほどの例に倣い、プロジェクタ画面に落書きをするアプリケーションを書いてみました。 KinectのドライバとしてはOpenKinectを使い、タッチの検出周りの実装にはopenFrameworksとそのアドオンであるofxKinectを使っています。またofxOscアドオンを利用し、検出したタッチ