Independently Recurrent Neural Network (IndRNN): Building A Longer and Deeper RNN
Recurrent neural networks (RNNs) have been widely used for processing sequential data. However, RNNs are commonly difficult to train due to the well-known gradient vanishing and exploding problems and hard to learn long-term patterns. Long short-term memory (LSTM) and gated recurrent unit (GRU) were developed to address these problems, but the use of hyperbolic tangent and the sigmoid action funct
WNGrad: Learn the Learning Rate in Gradient Descent
Adjusting the learning rate schedule in stochastic gradient methods is an important unresolved problem which requires tuning in practice. If certain parameters of the loss function such as smoothness or strong convexity constants are known, theoretical learning rate schedules can be applied. However, in practice, such parameters are not known, and the loss function of interest is not convex in any
Google、画像をピクセル単位で把握し各オブジェクトに割り当てるセマンティックセグメンテーションCNNモデル「DeepLab-v3」オープンソース発表
Google、画像をピクセル単位で把握し各オブジェクトに割り当てるセマンティックセグメンテーションCNNモデル「DeepLab-v3」オープンソース発表 2018-03-13 Googleは、同社機械学習ライブラリTensorflow実装の画像セマンティックセグメンテーションdeep learningモデル「DeepLab-v3」をオープンソースにて発表しました。 GitHub:models/research/deeplab at master · tensorflow/models セマンティックセグメンテーションは、画像をピクセルレベルで把握し、各ピクセル１つひとつを画像内の各オブジェクト、例えば「道路」「空」「人」「犬」などのオブジェクトクラスに意味付けし割り当てることです。各オブジェクトの境界にあたる輪郭を正確に特定します。 今回発表されたDeepLab-v3は、前回のv2に比べ、
NIPS2017まとめのまとめ | moskomule log
After being extremely popular in the early 1990s, neural networks have fallen out of favor in research in the last 5 years. In 2000, it was even pointed out by the organizers of the Neural Information Processing System (NIPS) conference that the term “neural networks” in the submission title was negatively correlated with acceptance. In contrast, positive correlations were made with support vector
ファーウェイの次期フラッグシップスマホ「HUAWEI P20・P20 Pro・P20 lite」の画像がリーク！ノッチのある縦長画面ながらP20とP20 Proは指紋センサーが前面に。Proは3眼カメラも : S-MAX
ファーウェイの次期フラッグシップスマホ「HUAWEI P20・P20 Pro・P20 lite」の画像がリーク！ノッチのある縦長画面ながらP20とP20 Proは指紋センサーが前面に。Proは3眼カメラも 2018年03月09日06:15 posted by memn0ck カテゴリAndroidニュース・解説・コラム list 次期フラッグシップスマホ「HUAWEI P20」シリーズの画像がリーク！ さまざまな製品のリーク情報を提供しているEvan Blass氏（ @evleaks ）は7日（現地時間）、Huawei Technologies（以下、ファーウェイ）の次期フラッグシップスマートフォン（スマホ）「HUAWEI P20」および「HUAWEI P20 Pro」、「HUAWEI P20 lite」のプレスリリース用画像をリークしています。 ファーウェイではすでに公式にフランス・パリ
Solving Bongard Problems With Deep Learning
Bongard problmes are named after their inventor, Soviet computer scientist Mikhail Bongard, who was working on pattern recognition in the 1960s. He designed 100 of this puzzles, to be a good benchmark for pattern recognition abilities, and they seem to be challenging for both people and algorithms. Here is an example: Figure 1. Six images on the left conform to a rule, or a pattern, and the six im
The Building Blocks of Interpretability
Interpretability techniques are normally studied in isolation. We explore the powerful interfaces that arise when you combine them — and the rich structure of this combinatorial space. With the growing success of neural networks, there is a corresponding need to be able to explain their decisions — including building confidence about how they will behave in the real-world, detecting model bias, an
Chainerは数多くの企業に支えられている！Preferred Networksこれまでの歴史 | AI専門ニュースメディア AINOW
最終更新日： 2019年7月10日 こんにちは。AINOWのなっぴです。 機械学習ライブラリは何を使っていますか？ ライブラリの中でも代表的なものが“Chainer”ですね。 Chainerはオープンソースの深層学習プラットフォームで、国内でAI業界を牽引するPreferred Networksが中心となって開発しています。 今回は、Preferred Networksのこれまでの歴史を追いました。 どのような企業がどんな形でPFNに関わっているのか。一目でわかるようにPFNの沿革を画像でまとめました。 Preferred Networks これまでの歴史 編集後記 PFNがChainerを作っている会社、ということしか知らなかった人も多いのではないでしょうか？ 大会で優秀な成績を残していたり、DeNAと会社を設立していたりなど、意外なPFNの沿革がわかりました。 IT企業だけでなく、大手
GitHub - lutzroeder/netron: Visualizer for neural network, deep learning and machine learning models
How to build a deep learning model in 15 minutes
An open source framework for configuring, building, deploying and maintaining deep learning models in Python. As Instacart has grown, we’ve learned a few things the hard way. We’re open sourcing Lore, a framework to make machine learning approachable for Engineers and maintainable for Machine Learning Researchers. A common feeling in Machine Learning: Uhhh, this single sheet of paper does not tell
ホワイトカラー向けAIによるRPAソリューションを開発するシナモン、エンジェルらを中心に資金を調達 - BRIDGE（ブリッジ）
ホワイトカラー向けに人工知能（AI）を使った文書読み取りエンジンを開発するシナモンは26日、資金調達を実施したことを発表した。調達ラウンドや調達金額は不明。調達先は、MT パートナーズ、マネックスベンチャーズ、ベクトル、RPA ホールディングス、個人投資家の島田亨氏、谷家衛氏、森暁彦氏、石倉壱彦氏。 同社は以前、ネイキッドテクノロジーを創業しミクシィに売却した平野未来氏らにより2016年に創業。以前は Spicy Cinnamon として写真共有アプリ「Seconds」や「PicChat」を開発していたが、ビジネスモデルを C 向けから B 向けに一転させた。主要メンバーは Spicy Cinnamon の頃の顔ぶれを踏襲しているが、法人は改められているのでピボットという表現が正しいかどうかはわからない。 ＜関連記事＞ ベトナムとタイを拠点に、世界規模のコミュニケーションサービスを目指して
Deep learning in production with Keras, Redis, Flask, and Apache - PyImageSearch
APIs Deep Learning Keras and TensorFlow by Adrian Rosebrock on February 5, 2018 Shipping deep learning models to production is a non-trivial task. If you don’t believe me, take a second and look at the “tech giants” such as Amazon, Google, Microsoft, etc. — nearly all of them provide some method to ship your machine learning/deep learning models to production in the cloud. Going with a model deplo
Google、CNNを用いて人物などの前景と背景を分離するモバイルベースのリアルタイムビデオセグメント技術を発表。YouTubeに統合
Google、CNNを用いて人物などの前景と背景を分離するモバイルベースのリアルタイムビデオセグメント技術を発表。YouTubeに統合 2018-03-02 Googleは、CNN（Convolutional neural network）を用いて人物などの前景と背景をリアルタイムに分離できる新しいセグメンテーション技術を発表しました。 本技術は、モバイルで撮影した人物と背景を分離し、背景を自由に変えることを可能にする軽量ビデオフォーマットです。クロマキー合成のように特殊な機材などを使用することなく、モバイルベースで手軽に行うことができます。 この機能は、YouTubeにおいて動画をスマートフォンなどで撮影/編集/投稿するストーリーフォーマットに統合され、機能の一つとして利用することが可能になります。 機械学習も用いており、背景から前景を分離するなどの計算処理能力を上げるため、CNNアーキ
GAN (敵対的生成ネットワーク) チュートリアル @ NIPS 2016 まとめ - Ian Goodfellow
Ian Goodfellow による、GAN (Generative Adversarial Network; 敵対的生成ネットワーク) のチュートリアル。 Goodfellow 氏は GAN のそもそもの生みの親であり、教科書「Deep Learning」の著者としても有名。 ２時間と、とても長い盛りだくさんのチュートリアルだが、分かりやすく、具体例やコツなどの満載なので、とても参考になる。 生成モデリング 訓練データから確率分布の表現を得る 密度推定 サンプル生成 なぜ生成モデルを研究するか これまでの機械学習 １つの入力に対して１つの出力 高次元確率分布は重要な対象 強化学習の未来、計画をシミュレーションできる 欠損値の扱い、半教師あり学習 マルチモーダル出力 例：ビデオの次のフレームを予測 多くの可能性があるので、ぼやけた画像になってしまう 画像超解像技術 iGAN → 人間が線画
Encoder-Decoder with Atrous Separable Convolution for Semantic Image Segmentation
Spatial pyramid pooling module or encode-decoder structure are used in deep neural networks for semantic segmentation task. The former networks are able to encode multi-scale contextual information by probing the incoming features with filters or pooling operations at multiple rates and multiple effective fields-of-view, while the latter networks can capture sharper object boundaries by gradually
米国AMD社製GPUベースのDeep Learningクラウドをローンチ
米国AMD社製GPUベースのDeep Learningクラウドをローンチ第二弾 NVIDIA社製GPUを搭載したビギナー、予測・推論向けの低価格クラウドを発表 2018年3月1日：米国スタートアップ Pegara, Inc.(読み：ペガラインク、本社：米国デラウェア州、共同創業者兼CEO：市原 俊亮)は、米国AMD社製GPUベースのDeep Learningクラウドを同社クラウドサービスであるGPU EATER( https://gpueater.com/ )を通じて正式に提供開始します。また、第二弾としてNVIDIA社製GPUを搭載した予測・推論およびビギナー向けの低価格クラウドを2018年4月1日から開始することを発表し、本日より先行予約を受付開始します。 画面キャプチャ Amazon Web Services(以降、AWS)を始めとする大手クラウド各社はDeep Learningの需
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
AAAS
GitHub - DeNA/SRCNNKit: CoreML and Keras implementation of Super-Resolution Convolutional Neural Network (SRCNN)
Amazon.co.jp: ゼロから作るDeep Learning ❷ ―自然言語処理編: 斎藤康毅: 本
Pegara、AMD製GPUベースのDeep Learningクラウドを正式提供開始