UCバークレー、機械学習で自らが学習する産業用ロボット「BRETT」をVRシステムで効率的に訓練するアプローチを発表。数週間のプログラムが1日に短縮
UCバークレー、機械学習で自らが学習する産業用ロボット「BRETT」をVRシステムで効率的に訓練するアプローチを発表。数週間のプログラムが1日に短縮 2017-11-09 米カリフォルニア大学バークレー校（UCバークレー）のロボット研究チームは、2015年に機械学習（deep learning）で試行錯誤をしながら自らが学習していく産業用ロボット「BRETT」を発表しましたが、今回、それに加えてVRシステムと組み合わせることで効率的に訓練するアプローチを発表しました。 ロボットを学習させる場合、本来であればコードを書くことでプログラミングする必要があります。しかし、それでは専門知識が必要だったり時間がかかったりします。 そこで、本研究チームはVRヘッドセットを着用しモーションコントローラでオペレーションすることで訓練するアプローチを採用しました。 VRシステムを活用することで、コードを書き
Learn to think in React | Pure React
Learn to think in ReactYou don't know React.But not for lack of trying! Tutorials, books, courses, podcasts, blog posts… you've done 'em all, or you've tried to. You've followed along, and sure, it made at least some kind of sense while you were assiduously reproducing each step, but just when you reach the end, everything you supposedly learned just… slips… from your mind into a vast, grey nothin
dfltweb1.onamae.com – このドメインはお名前.comで取得されています。
このドメインは お名前.com から取得されました。 お名前.com は GMOインターネットグループ(株) が運営する国内シェアNo.1のドメイン登録サービスです。 ※表示価格は、全て税込です。 ※サービス品質維持のため、一時的に対象となる料金へ一定割合の「サービス維持調整費」を加算させていただきます。 ※1 「国内シェア」は、ICANN(インターネットのドメイン名などの資源を管理する非営利団体)の公表数値をもとに集計。gTLDが集計の対象。 日本のドメイン登録業者(レジストラ)（「ICANNがレジストラとして認定した企業」一覧（InterNIC提供）内に「Japan」の記載があるもの）を対象。 レジストラ「GMO Internet Group, Inc. d/b/a Onamae.com」のシェア値を集計。 2023年5月時点の調査。
Deep Learning book 11. Practical Methodology
Analysis on Negative Sample Size in Contrastive Unsupervised Representation Learning
Google、モバイル／組込機器向け機械学習ソリューション「TensorFlow Lite」のデベロッパープレビュー版を発表
TensorFlow Liteは、バイナリサイズが小さく、高速な初期化および起動によって、オンデバイスでの機械学習を可能にする。ランタイムはさまざまなプラットフォームで動作するよう設計されており、現時点ではAndroid版とiOS版が提供される。また、モバイル機器への最適化によってモデルの読み込みにかかる時間を大幅に短縮したほか、ハードウェアアクセラレーションもサポートしている。 TensorFlow Liteには、あらかじめトレーニング済みのモデル「TensorFlow Model」が用意されており、これらのモデルが「TensorFlow Lite Converter」でTensorFlow Lite形式（TensorFlow Lite Model File）に変換され、モバイルアプリケーション内にデプロイされる。 処理系は、C++ API（Android／iOS共通）とインタプリタで構
過去の作品を学習することで本当に新しい作品が作れるのか?? – CAN: Creative Adversarial Networks Generating “Art” by Learning About Styles and Deviating from Style Norms
TOP PAPER 過去の作品を学習することで本当に新しい作品が作れるのか?? – CAN: Creative Adversarial Networks Generating “Art” by Learning About Styles and Deviating from Style Norms 過去の作品を学習することで本当に新しい作品が作れるのか?? – CAN: Creative Adversarial Networks Generating “Art” by Learning About Styles and Deviating from Style Norms このサイトでもおなじみのGANを用いて、アート(抽象絵画)を生成するという取り組み. 「過去」のアート作品を学習するだけで、真に創造的なな「新しい」アートを作れるのか? というもっともな問いに向き合った論文です. この研
Intel quietly kills off next-gen Knights Hill Xeon Phi chips
The SC '17 conference is taking place this week, and while many companies are taking the opportunity to launch new products and services at the show, Intel is quietly taking the opportunity to announce the removal of a chip from its roadmap. As part of a discussion of its plans for exascale computing, or systems capable of processing one thousand petaFLOPS, Intel noted that it will abandon its nex
PowerPoint 演示文稿
Squeeze-and-Excitation Networks Jie Hu1 , Li Shen2 , Gang Sun1 1 Momenta 2 University of Oxford Convolution A convolutional filer is expected to be an informative combination • Fusing channel-wise and spatial information • Within local receptive fields Exploration on Spatial Enhancement Multi-scale embedding Inception [9] Contextual embedding Inside-outside Network [13] Squeeze-and-Excitation (SE)
How to Automatically Generate Textual Descriptions for Photographs with Deep Learning - MachineLearningMastery.com
Captioning an image involves generating a human readable textual description given an image, such as a photograph. It is an easy problem for a human, but very challenging for a machine as it involves both understanding the content of an image and how to translate this understanding into natural language. Recently, deep learning methods have displaced classical methods and are achieving state-of-th
Deep Learning for Intelligent Video Analysis - Microsoft Research
Analyzing videos is one of the fundamental problems of computer vision and multimedia analysis for decades. The task is very challenging as video is an information-intensive media with large variations and complexities. Thanks to the recent development of deep learning techniques, researchers in both computer vision and multimedia communities are now able to boost the performance of video analysis
Deep Learning for NLP with Pytorch — PyTorch Tutorials 2.2.1+cu121 documentation
Deep Learning for NLP with Pytorch¶ Author: Robert Guthrie This tutorial will walk you through the key ideas of deep learning programming using Pytorch. Many of the concepts (such as the computation graph abstraction and autograd) are not unique to Pytorch and are relevant to any deep learning toolkit out there. I am writing this tutorial to focus specifically on NLP for people who have never writ
DLPaper2Code: Auto-generation of Code from Deep Learning Research Papers
With an abundance of research papers in deep learning, reproducibility or adoption of the existing works becomes a challenge. This is due to the lack of open source implementations provided by the authors. Further, re-implementing research papers in a different library is a daunting task. To address these challenges, we propose a novel extensible approach, DLPaper2Code, to extract and understand d
Build an AI Programmer using Recurrent Neural Network (1) – Program Creek
Recurrent Neural Networks (RNNs) are gaining a lot of attention in recent years because it has shown great promise in many natural language processing tasks. Despite their popularity, there are a limited number of tutorials which explain how to implement a simple and interesting application using the state-of-art tools. In this series, we will use a recurrent neural network to train an AI programm
しましま/IBIS2017 - 機械学習の「朱鷺の杜Wiki」
招待講演１：Supervised Learning without Discrimination† Nathan Srebro (TTI-Chicago) 統計的予測が人種や性別で差別的にならないようにする たとえ，保護属性 A が予測関数 ^Y(X) に含まれていなくても，A に依存する可能性 すくなくともテストのときは A を使って補正する必要 demographic parity：Aの各特徴ごとの割合を合わせる → 誤差を細かく制御できない equalized odds: 観測値が与えられたとき，予測値と保護属性が独立 → 属性ごとに誤差が同じ ^Y が実数のときは，ROC曲線を一致させるようにする ↑ 招待講演２：Advice to Young and New AI Scientists† Edward Albert Feigenbaum If you see an area in
Analyses of Deep Learning (STATS 385)
Analyses of Deep Learning (STATS 385) Stanford University, Fall 2019 Deep learning is a transformative technology that has delivered impressive improvements in image classification and speech recognition. Many researchers are trying to better understand how to improve prediction performance and also how to improve training methods. Some researchers use experimental techniques; others use theoretic
Neural Network Console を用いた超解像処理の実装 - Qiita
1. はじめに 最近すごいと話題になっていたSony製のディープラーニングのフレームワーク「Neural Network Console（以下、NNC）」を触ってみました。 ある秋の日に、私はNNCの使い方を学びたくてQiitaを眺めていましたが、画像の分別器を作成するチュートリアルまでは紹介されているものの、最終的に画像を生成するようなものは見つけられませんでした。 また、最近購入したkindle本の「TensorFlowはじめました2」が非常に素晴らしい内容だったので、これをNNCに移植してみようとしてみました。 2. デモ 以下の動画の通りです。 【デモ】Neural Network Console を用いた超解像処理の実装 https://t.co/9xAjkN2PFD @YouTubeさんから — リッキー (@iLickeyPro) 2017年10月14日 3. 開発環境 OS
Seq2SQL: Generating Structured Queries from Natural Language using Reinforcement Learning
A significant amount of the world's knowledge is stored in relational databases. However, the ability for users to retrieve facts from a database is limited due to a lack of understanding of query languages such as SQL. We propose Seq2SQL, a deep neural network for translating natural language questions to corresponding SQL queries. Our model leverages the structure of SQL queries to significantly
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
GPU Deep Learning Community #6 (2017/11/21 19:00〜)
https://udrc.eng.ed.ac.uk/sites/udrc.eng.ed.ac.uk/files/attachments/UDRC_RNN_LSTM_LibrariesTutorial.pdf
aiboも採用したソニー ディープラーニング開発環境に無償クラウドサービス版
