ピカチュウが家のスマートスピーカーに来る? Googleアシスタント対応サービス拡大へ
Sign in - Google Accounts
Not your computer? Use a private browsing window to sign in. Learn more about using Guest mode
ソニー、AI・ディープラーニングの開発環境「Neural Network Console」を無償提供 | Biz/Zine
ソニーはディープラーニング（深層学習）のプログラムを生成できる統合開発環境「コンソールソフトウェア：Neural Network Console」のクラウドサービスをオープンベータ版として、11月8日から無償提供すると発表した。 6月にオープンソース化したディープラーニング開発のためのコアライブラリ「Neural Network Libraries」に続き、8月に無償提供を開始したコンソールソフトウェア「Neural Network Console」は、Windows OSのみに対応していた。今回提供するクラウドサービスでは、ネットワーク接続環境下においてウェブブラウザーでアクセスすることにより、オペレーティングシステムにとらわれることなく、Mac OSやLinux OSでも「Neural Network Console」を利用できる。 **** プログラムエンジニアやデザイナーは、プログ
【強化学習】実装しながら学ぶA3C【CartPoleで棒立て：1ファイルで完結】 - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? ※2018年06月23日追記 PyTorchを使用した最新版の内容を次の書籍にまとめました。 つくりながら学ぶ! 深層強化学習 ~PyTorchによる実践プログラミング~ 18年6月28日発売 2016年に発表された強化学習のアルゴリズム「A3C」を実装しながら、解説します。 （エイ・スリー・シー）と呼ぶそうです。 A3Cは、アルファ碁ゼロをはじめ、最新の強化学習を学ぶうえで、避けては通れない重要なアルゴリズムです。 世界一分かりやすいA3C、猫でもわかるA3Cの紹介を目指して、記事を書きます。 ※ 171115 tarutoさまにお気
ファーウェイが最新プレミアムスマホ「HUAWEI Mate 10 Pro」の日本正式発表を11月28日に実施へ！公式Twitterアカウントでティザーを公開で、年内発売予定 : S-MAX
ファーウェイが最新プレミアムスマホ「HUAWEI Mate 10 Pro」の日本正式発表を11月28日に実施へ！公式Twitterアカウントでティザーを公開で、年内発売予定 2017年11月08日06:15 posted by memn0ck カテゴリMVNO・SIMフリーニュース・解説・コラム list SIMフリースマホ「HUAWEI Mate 10 Pro」の日本投入が11月28日に発表へ！ 華為技術日本（以下、ファーウェイ・ジャパン）は6日、同社の公式Twitterアカウント（ @HUAWEI_Japan_PR ）にて2017年11月28日（火）に新製品を発表することを示唆するティザーを投稿しています。 内容は「[A Future of Smartphone] 11.28、次世代スマホ日本上陸。」と「やっぱり水に強い方がいい」という画像、「#RealAI」というタグとなっており、恐
格安AIスティック「Movidius NCS」速攻レビュー
「Movidius Neural Compute Stick（Movidius NCS）」は米Intelが2017年7月20日に発売した、安価なDNN（Deep Neural Network、深層学習）アクセラレーターである。注目の人工知能（AI）技術であるDNNが手軽に使えるようになる。 約1万円でDeep Neural Networkを実行可能 USBスティック形状になっており、USB 3.0でパソコンなどに接続して使え、学習済みのDNN推論モデルを高速実行できる。Intel傘下の米Movidiusが開発し、7月21日からハワイで開催された国際学会「CVPR（Computer Vision and Pattern Recognition）」の来場者向けに79.99米ドルで先行販売した。 筆者はこのニュースに興奮していた。というのは、この製品を使えば高性能CPUや専用GPUがない環境でも
Rustで書かれたNeural Network実装：Jaggernaut | 10001 ideas
Rust言語で書かれたJaggernautというNeural Networkの実装を見つけた。WebAssemblyに変換されて、ブラウザ上で動作させることが出来る。 Juggernaut: Neural Networks in a web browser デモページでは3種類のデータセットに対して、学習率とエポック数を設定して、データが分類されていく過程が見れる。デモの実装にはReactとD3.jsを使っているが、Neural Networkの学習部分にはJavaScriptは一切使っておらずRustのみで書かれているとのこと。 まだ機能的にはフィードフォワードネットワークのみ対応しているようだが、数種類の活性化関数やコスト関数を用意しているとのこと。 こういったアプリケーションが増えて、将来的にRustは果たしてC/C++を置き換える言語に成りえるのか見守っていきたい。
スプラトゥーン2をdeep learningで攻略してみなイカ？ - mirandora.com
世間は久々の天気の中、3連休ですが、みなさんイカがお過ごしでしょうか。 ある人はバイトに勤しみ、ある人はロブズ・10・プラーでフードを買い、 ある人はバッテラストリートに出かけて塗りたくっているでしょう。 そう、スプラトゥーン2の話です。 スプラトゥーンは、言わずとも知れたNintendo WiiUおよび、Switchにおける超人気ゲームでして、 インクを打ち合うアクションシューティングゲームで、 シリーズ累計で国内270万本、世界590万本の売上本数（2017年9月時点）となるようです。 私の職場のデータサイエンス系の部署でも、80%以上の人がやっておりまして、 もはやSQL、Python、Splatoonが必須のスキルの部署になってしまいました。 さて、スプラトゥーンは対戦ゲームのため、 公式・非公式含め、大会が頻繁に開催されております。 先日、私も初めて大会に参加してきました。 結果
MariFlow - Self-Driving Mario Kart w/Recurrent Neural Network
I trained a recurrent neural network to play Mario Kart human-style. MariFlow Manual & Download: https://docs.google.com/document/d/1p4ZOtziLmhf0jPbZTTaFxSKdYqE91dYcTNqTVdd6es4/edit?usp=sharing Mushroom Cup: https://www.twitch.tv/videos/183296063 Flower Cup: https://www.twitch.tv/videos/183296268 Star Cup: https://www.twitch.tv/videos/183296400 SethBling Twitter: http://twitter.com/sethbling Set
Backpropagation, intuitively | Deep Learning Chapter 3
What's actually happening to a neural network as it learns? Help fund future projects: https://www.patreon.com/3blue1brown An equally valuable form of support is to simply share some of the videos. Special thanks to these supporters: http://3b1b.co/nn3-thanks Written/interactive form of this series: https://www.3blue1brown.com/topics/neural-networks And by CrowdFlower: http://3b1b.co/crowdflower
Gophercises
Gophercises is free, but you need to provide a working email address to gain access. I won't spam you and unsubscribing is very easy. We've all been there before... You are just starting to pick up a new programming language (like Go!) and things are going great. The tutorials are clicking and you are making great progress... and then you run out of tutorials. "What should I build next?" you ask,
Pyro
NumPyro Release We’re excited to announce the release of NumPyro, a NumPy-backed Pyro using JAX for automatic differentiation and JIT compilation, with over 100x speedup for HMC and NUTS! See the examples and documentation for more details. Pyro is a universal probabilistic programming language (PPL) written in Python and supported by PyTorch on the backend. Pyro enables flexible and expressive de
Fooling Neural Networks in the Physical World
Fooling Neural Networks in the Physical World with 3D Adversarial Objects We’ve developed an approach to generate 3D adversarial objects that reliably fool neural networks in the real world, no matter how the objects are looked at. Neural network based classifiers reach near-human performance in many tasks, and they’re used in high risk, real world systems. Yet, these same neural networks are part
The Devil Is in the Detail of Deep Learning Hardware
To identify skin cancer, perceive human speech, and run other deep learning tasks, chipmakers are editing processors to work with lower precision numbers. To identify skin cancer, perceive human speech, and run other deep learning tasks, chipmakers are editing processors to work with lower precision numbers. These numbers contain fewer bits than those with higher precision, which require heavier l
Few-shot Autoregressive Density Estimation: Towards Learning to Learn Distributions
Deep autoregressive models have shown state-of-the-art performance in density estimation for natural images on large-scale datasets such as ImageNet. However, such models require many thousands of gradient-based weight updates and unique image examples for training. Ideally, the models would rapidly learn visual concepts from only a handful of examples, similar to the manner in which humans learns
CrescendoNet: A Simple Deep Convolutional Neural Network with Ensemble Behavior
We introduce a new deep convolutional neural network, CrescendoNet, by stacking simple building blocks without residual connections. Each Crescendo block contains independent convolution paths with increased depths. The numbers of convolution layers and parameters are only increased linearly in Crescendo blocks. In experiments, CrescendoNet with only 15 layers outperforms almost all networks witho
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
A Bayesian Perspective on Generalization and Stochastic Gradient Descent | Deep Learning JP
Reddit - Dive into anything
GitHub - GU-CLASP/TypedFlow: Typed frontend to TensorFlow and higher-order deep learning
ソニー、生まれ変わった新「aibo」を発表 ～2018年1月11日に発売。先行予約は11月1日23時1分から
