ゼロから始める深層強化学習(NLP2018講演資料)/ Introduction of Deep Reinforcement LearningPreferred Networks
![Deep Learningの過去と未来 ~黒魔術からの脱却へ向けて~](https://cdn-ak-scissors.b.st-hatena.com/image/square/bf2b08a5520035dcf5a6b2e2379ff8c43aa65f06/height=288;version=1;width=512/https%3A%2F%2Fcdn.slidesharecdn.com%2Fss_thumbnails%2F20150414seminar-150414084311-conversion-gate01-thumbnail.jpg%3Fwidth%3D640%26height%3D640%26fit%3Dbounds)
トップエスイー実践プログラミングセミナーシリーズ 「TensorFlowによるニューラルネットワーク入門」 で使用した資料です。 http://topse.or.jp/%E3%83%97%E3%83%AD%E3%82%B0%E3%83%A9%E3%83%9F%E3%83%B3%E3%82%B0%E3%82%BB%E3%83%9F%E3%83%8A%E3%83%BC%E3%80%8Ctensorflow%E3%81%AB%E3%82%88%E3%82%8B%E3%83%8B%E3%83%A5%E3%83%BC%E3%83%A9%E3%83%AB%E3%83%8D/ 2016/11/17 ver1.0 公開 2016/11/28 ver1.1 Update 2017/01/21 ver1.2 Update 2017/01/24 ver1.3 UpdateRead less
Project page: http://www.hirokatsukataoka.net/research/withouthuman/withouthuman.html The objective of this paper is to evaluate "human action recognition without human". Motion representation is frequently discussed in human action recognition. We have examined several sophisticated options, such as dense trajectories (DT) and the two-stream convolutional neural network (CNN). However, some featu
5. 2012: Deep Learningブームの幕開け ● 化合物の活性予測コンペでDeep Learningベースの手法が勝利 ○ ドメイン知識を使わず、活性予測の素人が優勝 ● Youtubeの動画を元に、”猫に反応するニューロン”を獲得 ○ 画像からの特徴抽出の自動化…従来は人間のドメイン知識に基づいて設計 ○ 2000台のマシンで1週間かけて10億パラメータを学習 ○ 猫、人といった概念を教えずに(!)それらの概念を獲得 人の顔 (左)、猫の顔(右)によく反応するニューロンの可視化 Merck Competition Challenge http://blog.kaggle.com/2012/10/31/merck-competition-results-deep-nn-and-gpus-come-out-to-play/ “Building High-level Featur
1. Ishikawa Watanabe Lab THE UNIVERSITY OF TOKYO http://www.k2.t.u-tokyo.ac.jp/ 猫でも分かる Variational AutoEncoder 2016/07/30 龍野 翔 (Sho Tatsuno) 2. Ishikawa Watanabe Lab http://www.k2.t.u-tokyo.ac.jp/ 今回の内容 • Variational Auto-Encoderの解説 – 生成モデルそのものの概要 – Variational Auto-Encoder(VAE)のなるべく噛み砕いた解説 – その他生成モデル論文のざっくりした紹介 • 説明すること/しないこと – 説明すること » 生成モデルの簡単な概要と事例 » Variational AutoEncoderの構造と数式的・直感的理解 – 説明しな
2. ⾃⼰紹介 l ⽐⼾将平(HIDO Shohei) l Twitter ID: @sla l 専⾨:データマイニング、機械学習 l 経歴: l 2006-2012: IBM東京基礎研究所データ解析グループ l 機械学習のアルゴリズム研究開発(主に異常検知) l 2012-2014: 株式会社Preferred Infrastructure l ⼤規模オンライン分散機械学習基盤Jubatusチームリーダー l 2014-: 株式会社Preferred Networks l 2015-: Preferred Networks America, Inc. @ シリコンバレー l Chief Research Officer 2
2017年1月21日開催の第8回ステアラボ人工知能セミナーにて講演する内容です。 https://stair.connpass.com/event/47714/ 【概要】スマートフォン/ウェブカメラの普及や動画共有サイトの登場により動画像を利用する機会は増加しているが、コンピュータビジョン分野において動画認識が活発に議論されるようになったのは2000年代になってからである。本講演では動画認識の現在に至るまでの一連の流れを紹介するとともに、将来展望においても議論する。 【キーワード】コンピュータビジョン、動画認識、行動認識、モーション表現、時系列モデル、STIP、DT/IDT、Two-Stream CNN、TDD、TSN、ST-ResNet、行動予測、行動検出
2019/12/27 Deep Learning JP: http://deeplearning.jp/seminar-2/ This document summarizes a research paper on scaling laws for neural language models. Some key findings of the paper include: - Language model performance depends strongly on model scale and weakly on model shape. With enough compute and data, performance scales as a power law of parameters, compute, and data. - Overfitting is universa
機械学習プロフェッショナルシリーズの「深層学習」第6章 畳込みニューラルネットの輪読会スライドです。Read less
SensorBeeとfluentdを使ってElasticsearchに機械学習適用後のツイートを流し込んで検索や可視化を助ける話Read less
次世代クラウド勉強会 テーマ:【Docker、DevOpsを取り巻くマイクロサービスのコンセプト】 http://connpass.com/event/20426/ Read less
シリコンバレーのスタートアップを数多く取材する中で気付いた「シリコンバレーにおけるディシプリン(規律)の存在」や「General Electric(GE)やIBM、SAPといった老舗企業が必死になってシリコンバレーのスタートアップを真似している理由」、そして「日本企業がイノベーションを実現するための処方箋」について解説します 詳しく知りたい場合は「GE 巨人の復活」をご覧下さい。 http://www.nikkeibp.co.jp/atclpubmkt/book/17/P55110/ 今後の記事は「シリコンバレーNext」をご覧下さい。 http://itpro.nikkeibp.co.jp/siliconvalley/
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