TensorFlow と scikit-learn 分類器の視覚的比較 – OpenAI API / Gemini API | ClassCat® Chatbot
TensorFlow によるニューラルネットワークと scikit-learn の各種分類器について 線形分離ができないデータセットについて決定境界を描画して視覚的に比較してみました。 scikit-learn については代表的な分類器を、TensorFlow については基本的な MLP を活性化関数を変えて試しています。 データセットは以前にも使った sklearn.datasets.make_moons で、データポイント数は 500 ノイズは 0.1 です。 プロットすると以下のような図になります : scikit-learn の分類器 scikit-learn の代表的な分類器をデフォルト・パラメータで順繰りに試してみました : Gaussian NB, K-近傍法, 決定木, Random Forest, 線形 SVM, SVM, Gaussian Process, AdaBoo
深層学習 TensorFlow ベースの高速な一般物体検出ソリューションを2017年2月から提供開始 – OpenAI API / Gemini API | ClassCat® Chatbot
深層学習 TensorFlow ベースの高速な一般物体検出ソリューション 「ClassCat® ObjDetector v1.0」を2017年2月から提供開始 – マルチクラウドでサービス提供 / 人工知能研究開発支援サービス – 株式会社クラスキャット（代表取締役社長：佐々木規行、AI研究所：茨城県取手市）は、米 Google 社によりオープンソース化された深層学習フレームワーク TensorFlow をベースとし、最新の人工知能・コンピュータビジョン技術と GPU (Graphics Processing Unit) を利用して高速化を図った、一般物体検出ソリューション新製品「ClassCat® ObjDetector v1.0」を2017年2月から提供開始することを発表致しました。一般物体検出は画像上の複数種類の物体の位置を特定してクラス分類することを可能にする、応用範囲が広い技術で
ニューラルネットワークと深層学習 (1) 手書き数字を認識するためにニューラルネットを使用する （翻訳/要約 : 前編） – TensorFlow
多くの人々は努力なしにそれらの数字を 504192 として認識します。その容易さは当てになりません。私たちの脳の各半球の中では、人間は V1 として知られる一次視覚野を持ち、これは 140 ミリオンのニューロンを含み、それらの間には 10 ビリオンの接続を伴います。そして人間の視覚野は V1 だけでなく、視覚野のシリーズ全体 – V2, V3, V4, と V5 – を含みます、これらはより複雑な画像処理を順次行ないます。私たちの頭には、何百ミリオン年を超えた進化で調整され、そして視覚的な世界を理解するために素晴らしく適応した、スーパーコンピュータが持ち込まれています。手書き数字認識は簡単ではありません。むしろ、私たち人間は目が私たちに見せるものを理解することに驚くほど長けています。しかしほとんど全てのワークは無意識に行なわれています。そして私たちの視覚システムがどれほどタフな問題を解決し
ニューラルネットワーク – TensorFlow
ニューラルネットワークと深層学習 (2) どのように backpropagation （ 誤差逆伝播 ）アルゴリズムが動作するか（翻訳） * Neural Networks and Deep Learning CHAPTER 2 How the backpropagation algorithm works の翻訳です。 * １章前編 – MNIST 。 前章 ではニューラルネットワークが重みとバイアスを確率的勾配降下アルゴリズムを使用してどのように学習するかを見ました。けれども、その説明には隔たりがありました : どのようにコスト関数の勾配を計算するかの議論をしませんでした。それは非常に大きな隔たりです！この章ではそのような勾配を計算するための速いアルゴリズム、backpropagation として知られるアルゴリズムを説明します。 backpropagation アルゴリズムは元々は
TensorFlow : ML 初心者向けの MNIST （コード解説） – ClassCat® AI Research
TensorFlow : コード解説 : ML 初心者向けの MNIST * 本ページのベースとなっている TensorFlow : Get Started : ML 初心者向けの MNIST は TensorFlow のバージョンアップに伴い、大幅に加筆修正されましたが本ページには反映されておりません。必要ならばリンク先を参照してください。(03/19/2017) * (Obsolete) TensorFlow : Tutorials : ML 初心者向けの MNIST に、数式は排除/コード重視の方針で詳細な解説を加筆したものです。 データセットはまた、どの数字かを教えてくれる各画像へのラベルを含みます。例えば、上の画像へのラベルは 5, 0, 4 そして 1 です。 このチュートリアルでは、画像を見てどの数字であるか予測できるようにモデルを訓練していきます。我々の目的は Tensor
OpenAI API / Gemini API | ClassCat® Chatbot – クラスキャット
◆ クラスキャット は人工知能に関する各種サービスを提供しています。お気軽にご相談ください : 人工知能導入個別相談会(無償)実施中！ [詳細] 人工知能研究開発支援 [詳細] 自社特有情報を含むチャットボット構築支援 画像認識 (医療系含む) / 画像生成 PoC(概念実証)を失敗させないための支援 [詳細] ◆ お問合せ : 本件に関するお問合せは下記までお願いします。 クラスキャット セールス・インフォメーション sales-info@classcat.com ClassCatJP ⏩ 今月の記事 Amazon Bedrock : 最初の一歩 – 基礎知識と実験 この記事では Amazon Bedrock の最小限の実験をするために必要な手順を説明しています。 Amazon Bedrock は、AI スタートアップ企業や Amazon の高性能な基礎モデルを統一 API を通して利用
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
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
