GitHub - RobeDM/LIBIRWLS: A parallel IRWLS library to solve SVMs and budgeted SVMs
LIBIRWLS is an integrated library that incorporates a parallel implementation of the Iterative Re-Weighted Least Squares (IRWLS) procedure, an alternative to quadratic programming (QP), for training of Support Vector Machines (SVMs). Although there are several methods for SVM training, the number of parallel libraries is very reduced. In particular, this library contains solutions to solve either
やる夫で学ぶ機械学習シリーズ · けんごのお屋敷
これは、機械学習に関する基礎知識をまとめたシリーズ記事の目次となる記事です。まとめることで知識を体系化できて自分自身の為にもなるので、こういうアウトプットをすることは大事だと思っています。ただ、普通にブログ記事を書くのも面白くないので、ちょっといつもとは違う方法でやってみようというのが今回のシリーズ記事。 2 ちゃんねるのキャラクターが登場人物として出てきて、彼らが会話して話が進んでいく「やる夫で学ぶシリーズ」という講義調の形式のものがあります。個人的にはやる夫で学ぶシリーズや 数学ガール のような会話形式で話が進んでいく読み物は読みやすいと思っています。さらに、先日みつけた やる夫で学ぶディジタル信号処理 という資料がとてつもなくわかりやすく、これの真似をして書いてみようと思い至りました。記事中のやる夫とやらない夫のアイコンは http://matsucon.net/material/m
"Why Should I Trust You?": Explaining the Predictions of Any Classifier
Despite widespread adoption, machine learning models remain mostly black boxes. Understanding the reasons behind predictions is, however, quite important in assessing trust, which is fundamental if one plans to take action based on a prediction, or when choosing whether to deploy a new model. Such understanding also provides insights into the model, which can be used to transform an untrustworthy
Dictionary Learning for Massive Matrix Factorization
Sparse matrix factorization is a popular tool to obtain interpretable data decompositions, which are also effective to perform data completion or denoising. Its applicability to large datasets has been addressed with online and randomized methods, that reduce the complexity in one of the matrix dimension, but not in both of them. In this paper, we tackle very large matrices in both dimensions. We
Object Skeleton Extraction in Natural Images by Fusing Scale-associated Deep Side Outputs
Object skeleton is a useful cue for object detection, complementary to the object contour, as it provides a structural representation to describe the relationship among object parts. While object skeleton extraction in natural images is a very challenging problem, as it requires the extractor to be able to capture both local and global image context to determine the intrinsic scale of each skeleto
TensorFlow on DockerでGPUを使えるようにする方法 - 株式会社カブク
どうも、おはこんばんちわ、カブクの足立です。 「カブクのエンジニアが普段何をしているのか」を明らかにする目的で始まったオフィシャルゆるブログ。 今回は、「TensorFlowでGPUが使えない」というエントリーに感動したので（失敗こそ大切な情報！）、私のTensorFlowの実行環境を構築する方法とその失敗・解決方法をご紹介します。 TensorFlowをGPUで動かす環境を作る 環境 以下の環境を構築します。 OS: Ubuntu 14.04.2 ビデオカード: NVIDIA GeForce GTX980Ti Driver: nvidia-352 Library: CUDA Toolkit(v7.5.18), cuDNN(v7.0) Framework: TensorFlow 0.8.0(Linux GPU版) etc: Python2.7.6, Docker 1.10.2 ビデオカード
IBM ワトソン研究所での人工知能研究
1 世界の AI，日本の AI IBM ワトソン研究所での人工知能研究 井手 剛 IBM T. J.Watson Research Center Tsuyoshi Idé ide@ide-research.net 著者紹介: 国立苫小牧工業高等専門学校機械工学科、東北大学工学部機械工学科を経て、2000 年に東京大学大学院理学系研究科・物理学専攻にて物 性理論の研究で博士号取得。同年 IBM 東京基礎研究所に液晶工学の研究員として入所。その後、研究分野をデータマイニングに変え、2010 年より同 数理科学部門マネジャー。2013 年より IBM ワトソン研究所にて勤務。IBM シニア・テクニカル・スタッフ・メンバー。IBM アカデミー会員。 1. は じ め に 現在私は米国ニューヨークの IBM T.J. Watson Research Center（以下 IBM ワトソン研究所）におい
しましま/IBIS2015 - 機械学習の「朱鷺の杜Wiki」
オープニング† 佐久間 淳 （筑波大） IBISの役割：理論的基盤と社会応用の両面から先導 → 「このビックウェーブを導こう」 ポスター発表件数 135 （うち学生発表 70） 参加登録者数 約350 + 当日参加 ↑ 大規模機械学習のための事例と特徴のセーフスクリーニング† 竹内 一郎（名工大） スパースモデリング：線形モデルの重みパラメータやカーネルモデルの事例パラメータが 0 になる lasso：L1正則化項を用いる SVM：損失関数にヒンジ損失関数を利用した場合 スパース学習の計算コスト 学習後の最適解において，どのパラメータが 0 になるか分からない → スパースでないモデルと計算量は変わらない → スクリーニングによる高速化 スクリーニング：学習前にどうにか 0 になりそうなパラメータを探す ヒューリスティクス：0 になりそうなもの推測して取り除きあとで最適性を確認 安全スクリ
第49回 データマイニング+WEB ＠東京( #TokyoWebmining 49th ) ー機械学習 方法論 祭りーを開催しました - hamadakoichi blog
2015/10/24 "第49回 データマイニング+WEB ＠東京( #TokyoWebmining 49th ) ー機械学習 方法論 祭りー" を開催しました。 第49回 データマイニング+WEB ＠東京( #TokyoWebmining 49th ) ー機械学習 方法論 祭りーEventbrite Google グループ 会場提供し運営を手伝って下さった FreakOut のみなさん、どうもありがとうございました。素敵なトークを提供してくれた講師メンバーに感謝します。多くの方々の参加を嬉しく思っています。 参加者ID・バックグラウンド一覧 参加者Twitter List : tokyowebmining-48 参加者セキココ：第49回 データマイニング+WEB ＠東京 セキココ (作成してくれた [Twitter:@komiya_atsushi] さんに感謝） 以下、全講師資料、関連資
スパースモデリングの深化と高次元データ駆動科学の創成
News & Topics 2023.3.16 2023年3月28日(火)-30(木)に，【公開シンポジウム】データ駆動科学と情報計測の新展開が開催されます． 2021.2.09 天文班(A02-3)の本間先生が，天文学会より林忠四郎賞を受賞されました． 2019.4.10 天文班(A02-3)・計測モデリング班(B01-1)が共に参加した国際プロジェクトが，ブラックホールシャドウの撮像に関するプレスリリースを世界６か所で同時に行いました．国内では国立天文台や統計数理研究所などが共同で発表を行いました． 2018.1.4 2018年3月31日(土)に東京大学小柴ホールにて開催される公開シンポジウム「データ駆動科学の深化と展開」のウェブページを開設しました． 2017.12.22 【速報】2018年3月31日(土)に，東京大学小柴ホールにて公開シンポジウム「データ駆動科学の深化と展開」が開催
機械学習界隈の情報収集方法 - kisa12012の日記
こんにちは．Machine Learning Advent Calendar (MLAC) 2013の14日目を担当します，[twitter:@kisa12012]です．普段は博士学生として，各地を放浪しながら機械学習の研究をしてます．今回の記事はボストンで執筆しています．現地時間(EST)での締切は守ったのでセーフ…ですよね？ 本日は機械学習の技術的な内容の話ではなく，筆者が実践している機械学習関連の情報収集方法について纏めます*1．大きく分けて，学会情報の管理・論文情報の収集・その他の三種について述べたいと思います．今回のトピックの多くは他の分野にも通用する話になっているかと思います．他の分野の方がどのように情報収集されているのかも気になるところです． 学会情報の管理 まずは学会情報の管理についてです．機械学習に関連するカンファレンスは（特に近年乱立気味で）非常に沢山あります．全てをチ
1
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
株式会社MICIN
GitHub - vdumoulin/conv_arithmetic: A technical report on convolution arithmetic in the context of deep learning
機械学習の分類の話 · chezou/notebooks · GitHub