最適輸送の解き方
最適輸送問題（Wasserstein 距離）を解く方法についてのさまざまなアプローチ・アルゴリズムを紹介します。 線形計画を使った定式化の基礎からはじめて、以下の五つのアルゴリズムを紹介します。 1. ネットワークシンプレックス法 2. ハンガリアン法 3. Sinkhorn アルゴリズム 4. ニューラルネットワークによる推定 5. スライス法 このスライドは第三回 0x-seminar https://sites.google.com/view/uda-0x-seminar/home/0x03 で使用したものです。自己完結するよう心がけたのでセミナーに参加していない人にも役立つスライドになっています。 『最適輸送の理論とアルゴリズム』好評発売中！ https://www.amazon.co.jp/dp/4065305144 Speakerdeck にもアップロードしました: https
脳から深層ニューラルネットワークへの信号変換による脳内イメージ解読 －「脳－機械融合知能」の実現に向けて－
神谷之康 情報学研究科教授、堀川友慈 株式会社国際電気通信基礎技術研究所主任研究員の研究グループは、ヒトの脳活動パターンを深層ニューラルネットワーク（deep neural network model、以下DNN）等の人工知能モデルの信号に変換して利用することで、見ている画像に含まれる物体や想像している物体を脳から解読する技術の開発に成功しました。本研究成果は、人工知能の分野で進展が著しいDNNをヒトの脳と対応づけることで、脳からビッグ・データの利用を可能とする先進的技術です。 本研究成果は、2017年5月22日午後6時に英国の科学雑誌「Nature Communications」に掲載されました。 研究者からのコメント 本研究では、ブレイン・デコーディング、DNN、大規模画像データベースを組み合わせることで、脳活動パターンから、知覚・想起している任意の物体を解読する方法を開発しました。人
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
http://kyoumu.educ.kyoto-u.ac.jp/cogpsy/personal/Kusumi/datasem03/nakamoto.files/frame.htm
