新しい音楽を探さなくなる年齢について調べた新たな調査が公開されており、それによれば30代に近づいている段階でその危険性があるという。 この調査はフランス発のストリーミング・サービス「ディーザー」がイギリスのリスナー1000人を対象に行ったもので、「音楽的無気力」とも言える現象が実際にあるとし、そうなると新しい音楽を探さなくなるという。 この現象は平均すると30歳6ヶ月を迎えた頃に始まると、調査結果では述べられており、20代の終わりからそうした危険性があるという。 新しい音楽を購入しなくなる理由について訊かれた参加者は様々な要因を挙げており、子供ができたことや、単純に新しい音楽の量に圧倒されることなどが言及されている。 調査によれば60％の人は既に知っているアーティストの音楽しか普段は聴かないことを認めているという。 なかでもウェールズやイングランド北西部は最も年齢の早い地域の一つとなってお

Vol.03　すぐできる、燃費よく走るためのちょっとしたコツ 「エコカーだってハイブリッドカーだって、すべて燃費がいいわけじゃありません。走り方で燃費は良くも悪くもまったく変わります！」 今の時代、販売されているすべてのクルマがエコカーといっても過言ではありません。スポーツカーだってトラックだって、燃費を気にしていないクルマはこの世にはない！といってもいいほど。かつてスーパーカーと呼ばれたクルマ達でも、燃費のお話をする時代になっています。 では、エコカーはどんな乗り方をしても燃費がいいのか？というと、そうではありません。ドライバーの走らせ方ひとつで、燃費はまったく変わってしまいます。逆にカタログ上は、特筆するほど燃費のよくないクルマでも、走らせ方によっては意外なほど実燃費はよかったりすることも。モータースポーツの世界でも、燃費のよいドライバー、燃費の悪いドライバーという話はあって、特に耐久

おつかれさまです． 僕はあまり深層学習に関して記事を書くことはないのですが，ちょっと気になった論文があったので紹介します． [1711.00165] Deep Neural Networks as Gaussian Processes 論文はGoogle Brainの研究者らによるもので，NIPS2017 Bayesian Deep Learning WorkshopICLR2018にacceptされています．実は深層学習をガウス過程（Gaussian process）で構築するのはこの論文が初出ではないのですが，論文ではベイズ学習，深層学習，カーネル法を簡略かつ包括的に説明している内容になっているので非常に参考になります． さて，「深層学習はガウス過程」というのはちょっぴり宣伝的なタイトルにし過ぎてしまったのですが，もう少しだけ正確に論文の要点をまとめると次のようになります． 背景 単一

前回、おそ松さんたちをディープラーニングで見分けるため、準備編としておそ松さんたちの顔画像を5644枚集めました。 今回はそれを用いて、ディープラーニングで学習させ、判別器を作って検証します。 集めた画像 人物 枚数 例 おそ松 1126 から松 769 チョロ松 1047 一松 736 十四松 855 とど松 729 その他 383 使用フレームワーク 最近GoogleからTensorFlowという新しいディープラーニングのフレームワークが発表されました。 会社のブログに使い方書いたのですが、まだ慣れていないので、今回はchainerを使います。こちらだとすぐに高い成果を上げているImageNetのNINモデル、４層畳み込みニューラルネットワークがサンプルで入っていますので、こちらを改良して使います。 imageNetの使い方は、こちらやこちらを参考にしています。 訓練データセット Im

2014初頭に書いた「WindowsにおけるGit利用環境は整った： Git for Windows と SourceTree for Windows」の最後の文： ブランチは、Gitのなかで最も重要でありながら最も分かりにくい概念でしょう。表面的な言葉に騙されず、先入観を持たず、SourceTreeの視覚的表示（樹形図）の力を借りながら学習するのが、理解への一番の近道です。 そんへんの詳しいことはまたの機会に述べるかも知れません。 1年半以上たってしまいましたが、「またの機会」がやって来ましたよ。ええ、Gitの説明をします、ブランチを中心に詳しく。 「基礎編」と「ブランチ編」で2回に分けようかと思ったけど、長大な記事として一挙公開。これからGitを使う人が対象ではありません。Gitが何をやっているのか、自分が何をやっているのかイマイチ自信が持てない方向けです。 ブランチやマージって、なん