「表現を獲得」した人工知能――50年来のブレークスルーで、いま人工知能は急速な進化を始めた（前編） | Mugendai（無限大）
人工知能が急速に進化し始めた。カーネギーメロン大学のTome Michell教授は、「コンピューターはこれまで人間の言語をほとんど理解できなかったが、今後10年でかなり理解できるようになるだろう」と、人工知能が急速な進化のフェーズに入ったことを示唆している。 急速に進化し始めた理由は2つある。1つは、コンピューターが大量のデータを扱えるようになったから。もう1つは、人間の脳を模した仕組みが実際に機能するようになってきたからだ。 変化はまた、チャンスでもある。 人工知能の進化は今、どこまで進んでいるのだろうか。それがどのような領域に、イノベーションを起こすのだろうか。日本を代表する新進気鋭の人工知能研究者、東京大学准教授の松尾豊氏に聞いた。 人工知能が急速に進化し始めた。カーネギーメロン大学のTome Michell教授は、「コンピューターはこれまで人間の言語をほとんど理解できなかったが、今
「表現を獲得」した人工知能――50年来のブレークスルーで、いま人工知能は急速な進化を始めた（後編） | Mugendai（無限大）
人工知能が急速に進化し始めた。カーネギーメロン大学のTome Michell教授は、「コンピューターはこれまで人間の言語をほとんど理解できなかったが、今後10年でかなり理解できるようになるだろう」と、人工知能が急速な進化のフェーズに入ったことを示唆している。 急速に進化し始めた理由は2つある。1つは、コンピューターが大量のデータを扱えるようになったから。もう1つは、人間の脳を模した仕組みが実際に機能するようになってきたからだ。 変化はまた、チャンスでもある。 人工知能の進化は今、どこまで進んでいるのだろうか。それがどのような領域に、イノベーションを起こすのだろうか。日本を代表する新進気鋭の人工知能研究者、東京大学准教授の松尾豊氏に聞いた。 前編はこちらから 人工知能が急速に進化し始めた。カーネギーメロン大学のTome Michell教授は、「コンピューターはこれまで人間の言語をほとんど理解
Hacker's guide to Neural Networks
Note: this is now a very old tutorial that I’m leaving up, but I don’t believe should be referenced or used. Better materials include CS231n course lectures, slides, and notes, or the Deep Learning book. Hi there, I’m a CS PhD student at Stanford. I’ve worked on Deep Learning for a few years as part of my research and among several of my related pet projects is ConvNetJS - a Javascript library for
Neural networks and deep learning
Neural Networks and Deep Learning What this book is about On the exercises and problems Using neural nets to recognize handwritten digits How the backpropagation algorithm works Improving the way neural networks learn A visual proof that neural nets can compute any function Why are deep neural networks hard to train? Deep learning Appendix: Is there a simple algorithm for intelligence? Acknowledge
Neural networks and deep learning
Neural Networks and Deep Learning What this book is about On the exercises and problems Using neural nets to recognize handwritten digits How the backpropagation algorithm works Improving the way neural networks learn A visual proof that neural nets can compute any function Why are deep neural networks hard to train? Deep learning Appendix: Is there a simple algorithm for intelligence? Acknowledge
パーセプトロン - Wikipedia
パーセプトロン（英: Perceptron）は、人工ニューロンやニューラルネットワークの一種である。心理学者・計算機科学者のフランク・ローゼンブラットが1957年に考案し、1958年に論文[1]を発表した。モデルは同じく1958年に発表されたロジスティック回帰と等価である。 視覚と脳の機能をモデル化したものであり、パターン認識を行う。ただし学習については自明ではなく、特に多層パーセプトロンの機械学習に関する歴史は、それがパーセプトロンの歴史だと言っても過言ではない。1960年代に爆発的なニューラルネットブームを巻き起こしたが、60年代末のミンスキーらによる、単層パーセプトロンは線形分離可能なものしか学習できないという指摘は、多層パーセプトロンの学習が当時まだよくわからなかったことから、一時研究を停滞させた。影響を受けた変種といえるニューラルネットワークも多数提案されているが、それらについて
Deep learning - Wikipedia
Deep learning is a subset of machine learning that focuses on utilizing multilayered neural networks to perform tasks such as classification, regression, and representation learning. The field takes inspiration from biological neuroscience and is centered around stacking artificial neurons into layers and "training" them to process data. The adjective "deep" refers to the use of multiple layers (r
ニューラルネットの逆襲 - Preferred Networks Research & Development
岡野原です。Deep Learningが各分野のコンペティションで優勝し話題になっています。Deep Learningは7、8段と深いニューラルネットを使う学習手法です。すでに、画像認識、音声認識、最も最近では化合物の活性予測で優勝したり、既存データ・セットでの最高精度を達成しています。以下に幾つか例をあげます。 画像認識 LSVRC 2012 [html] 優勝チームスライド [pdf], まとめスライド[pdf] Googleによる巨大なNeuralNetを利用した画像認識（猫認識として有名）[paper][slide][日本語解説] また、各分野のトップカンファレンスでDeep Learningのチュートリアルが行われ、サーベイ論文もいくつか出ました。おそらく来年以降こうした話が増えてくることが考えられます。 ICML 2012 [pdf] ACL 2012 [pdf] CVPR
ニューラルネットワーク入門 〜目次〜
ニューラルネットワーク入門 Copyright(c)1996 Akira Iwata & Toshiyuki Matubara (Iwata Laboratory Nagoya Institute of Technolgy) ０ はじめに 学習の進め方 １ 神経細胞とニューラルネットワーク 神経細胞 ニューロンモデル ニューロンモデルの数式化 ネットワークモデル まとめ ２ 階層型ネットワーク ２．１ パーセプトロン パーセプトロン パーセプトロンの動作と学習 パーセプトロン学習のシミュレーション パーセプトロンの限界 まとめ ２．２ バックプロパゲーション学習 最急降下法 前向き演算 後向き演算１（出力層から中間層） 後向き演算２（中間層から入力層） ＢＰのシミュレーション ＢＰシミュレータ まとめ ２．３ その他の階層型ネットワーク ネオ
ニューラルネットワーク - Wikipedia
人工知能の分野におけるニューラルネットワーク（英: neural network; NN、神経網）は、生物の学習メカニズムを模倣した機械学習手法として広く知られているものであり[1]、「ニューロン」と呼ばれる計算ユニットをもち、生物の神経系のメカニズムを模倣しているものである[1]。人間の脳の神経網を模した数理モデル[2]。模倣対象となった生物のニューラルネットワーク（神経網）とはっきり区別する場合は、人工ニューラルネットワーク (英: artificial neural network) と呼ばれる。 以下では説明の都合上[注釈 1]、人工的なニューラルネットワークのほうは「人工ニューラルネットワーク」あるいは単に「ニューラルネットワーク」と呼び、生物のそれは「生物のニューラルネットワーク」あるいは「生物の神経網」、ヒトの頭脳のそれは「ヒトのニューラルネットワーク」あるいは「ヒトの神経網
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
Home - colah's blog
Amazon.co.jp: クラウドからAIへ アップル、グーグル、フェイスブックの次なる主戦場 (朝日新書): 小林雅一: Digital Ebook Purchas
IBM Developer