GitHub - oreilly-japan/deep-learning-from-scratch-2: 『ゼロから作る Deep Learning ❷』(O'Reilly Japan, 2018)You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert
Efficient Neural Audio Synthesis
Sequential models achieve state-of-the-art results in audio, visual and textual domains with respect to both estimating the data distribution and generating high-quality samples. Efficient sampling for this class of models has however remained an elusive problem. With a focus on text-to-speech synthesis, we describe a set of general techniques for reducing sampling time while maintaining high outp
Daisuke Okanohara on Twitter: "GANの作者であるGoodfellow がGANの論文たくさんあって何から追えばいいかわからない人向けに10個の論文を推薦しています。理論、符号化、差分プライバシー、高精細、多クラス、条件付けなど https://t.co/M3DhTqQbOL"
GANの作者であるGoodfellow がGANの論文たくさんあって何から追えばいいかわからない人向けに10個の論文を推薦しています。理論、符号化、差分プライバシー、高精細、多クラス、条件付けなど https://t.co/M3DhTqQbOL
Deep Learning, Structure and Innate Priors | Abigail See
Earlier this month, I had the exciting opportunity to moderate a discussion between Professors Yann LeCun and Christopher Manning, titled “What innate priors should we build into the architecture of deep learning systems?” The event was a special installment of AI Salon, a discussion series held within the Stanford AI Lab that often features expert guests. This discussion topic – about the structu
List of Free Must-Read Machine Learning Books
Machine learning is an application of artificial intelligence that gives a system an ability to automatically learn and improve from experiences without being explicitly programmed. In this article, we have listed some of the best free machine learning books that you should consider going through (no order in particular). Mining of Massive DatasetsAuthor: Jure Leskovec, Anand Rajaraman, Jeff Ullma
Automatic Spine Segmentation using Convolutional Neural Network via Redundant Generation of Class Labels for 3D Spine Modeling
There has been a significant increase from 2010 to 2016 in the number of people suffering from spine problems. The automatic image segmentation of the spine obtained from a computed tomography (CT) image is important for diagnosing spine conditions and for performing surgery with computer-assisted surgery systems. The spine has a complex anatomy that consists of 33 vertebrae, 23 intervertebral dis
ニューラルネット版「トロイの木馬」がAIの時限爆弾になる可能性
ニューズラインエマージング・テクノロジーの最新情報をお届け。 Bomb by anbileru adaleru | Noun Project. Neural network | Wikimedia. AI time bombs could sneak cyberattacks past watchful eyes ニューラル・ネットワークの内部に隠された悪意のあるコードが、後々になって画像認識アルゴリズム乗っ取ってしまう可能性がある。 画像認識AIを騙すのはそれほど難しくない。たとえば、サイバー攻撃によって、自動運転自動車に停止標識を無視するように仕向けたりすることもできる。だからもし、マルウェアがアルゴリズムに織り込まれ、混乱を引き起こすように事実上プログラムされてしまったとしたら、どうなるのだろうか？ 新たに発表された論文では、悪意のあるコードが潜むことで、信頼できるニューラル・ネット
ブロックチェーン・量子コンピュータ・人工知能のおさらいと共進化について - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? おはようございます。 スイスはジュネーブの多国籍企業でハードウェア製品のプロダクトマネージャーをやっている傍ら、趣味で人工生命や創発・進化の研究をしている @lucas29liao です。 本職は2児のパパです。 生命の進化と技術の進化に類似点があると感じることが多くなり、最近話題になることの多いブロックチェーン、量子コンピュータ、人工知能の共進化にまつわる素材を備忘録にまとめてみました。 上記技術の関係者にとっては新鮮味のない自明の投稿かと思いますし、肝心の箇所の考察ができていなかったりするのですが、おさらいという意味合いで書いていき
Towards Accurate Binary Convolutional Neural Network
We introduce a novel scheme to train binary convolutional neural networks (CNNs) -- CNNs with weights and activations constrained to {-1,+1} at run-time. It has been known that using binary weights and activations drastically reduce memory size and accesses, and can replace arithmetic operations with more efficient bitwise operations, leading to much faster test-time inference and lower power cons
L4: Practical loss-based stepsize adaptation for deep learning
We propose a stepsize adaptation scheme for stochastic gradient descent. It operates directly with the loss function and rescales the gradient in order to make fixed predicted progress on the loss. We demonstrate its capabilities by conclusively improving the performance of Adam and Momentum optimizers. The enhanced optimizers with default hyperparameters consistently outperform their constant ste
A Promenade of PyTorch
For the past two years, I’ve been quite heavily invested in TensorFlow, either writing papers about it, giving talks on how to extend its backend or using it for my own deep learning research. As part of this journey, I’ve gotten quite a good sense of both TensorFlow’s strong points as well as weaknesses – or simply architectural decisions – that leave room for competition. That said, I have recen
The AI superstars at Google, Facebook, Apple—they all studied under this guy
Mr. Robot Geoffrey Hinton spent 30 years hammering away at an idea most other scientists dismissed as nonsense. Then, one day in 2012, he was proven right. Canada’s most influential thinker in the field of artificial intelligence is far too classy to say I told you so By Katrina Onstad | Photograph by Daniel Ehrenworth | January 29, 2018 For more than 30 years, Geoffrey Hinton hovered at the edges
グーグル、ディープラーニング技術で網膜画像から心疾患リスクを予測
ともにAlphabet傘下のGoogleおよびライフサイエンス企業Verily Life Sciencesによる新たな研究が、ディープラーニング（深層学習）アルゴリズムを利用して人の網膜の画像を分析することで、心血管疾患のリスクを予測できることを示した。 両社の科学者らが研究成果をまとめた新たな論文は、医用生体工学分野の学術誌「Nature Biomedical Engineering」に掲載された。論文の題は、「Prediction of cardiovascular risk factors from retinal fundus photographs via deep learning」（ディープラーニングを介した網膜眼底画像からの心血管系危険因子の予測）だ。 網膜眼底画像には目の血管も写る。論文によると、この血管の画像を利用することで、心血管疾患の危険因子を正確に予測できるという
CapsuleGAN: Generative Adversarial Capsule Network
We present Generative Adversarial Capsule Network (CapsuleGAN), a framework that uses capsule networks (CapsNets) instead of the standard convolutional neural networks (CNNs) as discriminators within the generative adversarial network (GAN) setting, while modeling image data. We provide guidelines for designing CapsNet discriminators and the updated GAN objective function, which incorporates the C
How you can train an AI to convert your design mockups into HTML and CSS
By Emil Wallner Within three years, deep learning will change front-end development. It will increase prototyping speed and lower the barrier for building software. The field took off last year when Tony Beltramelli introduced the pix2code paper and Airbnb launched sketch2code. _Photo by [Unsplash](https://unsplash.com/photos/y0_vFxOHayg?utm_source=unsplash&utm_medium=referral&utm_content=creditCo
Google、目の網膜スキャンから機械学習を用いて心臓病を予測するコンピュータビジョンベースのアルゴリズムを発表
Google、目の網膜スキャンから機械学習を用いて心臓病を予測するコンピュータビジョンベースのアルゴリズムを発表 2018-02-20 Google Research、Alphabet傘下の生命科学部門Verilyの研究者らは、機械学習を用いて心臓病を予測するdeep learningアルゴリズムを発表しました。 論文：Prediction of cardiovascular risk factors from retinal fundus photographs via deep learning 著者：Ryan Poplin, Avinash V. Varadarajan, Katy Blumer, Yun Liu, Michael V. McConnell, Greg S. Corrado, Lily Peng,Dale R. Webster 本システムは、コンピュータビジョン技術を
SpectralNet: Spectral Clustering Using Deep Neural Networks
1. どんなもの？ Spectral clusteringのためのDeep learning手法を用いて大規模データセットへの適用と埋め込みの一般化を可能にしたSpectralNetを提案した。 2. 先行研究と比べてどこがすごいの？ Spectral clusteringはとても有力なクラスタリングアルゴリズムとして知られているが、 大規模なデータセットに対して適用する場合計算量の観点で適用が難しく、 out-of-sample-extension (OOSE) といった問題がある。 先行研究ではdeep learningを用いたクラスタリング手法が多数提案されている。 k-meansベースのdeep learningアプローチ DCN DEC DEPICT variational autoencoderベースのアプローチ VaDE GMVAE data augmentationベースの
Gradient descent, how neural networks learn | Deep Learning Chapter 2
Cost functions and training for neural networks. Help fund future projects: https://www.patreon.com/3blue1brown Special thanks to these supporters: http://3b1b.co/nn2-thanks Written/interactive form of this series: https://www.3blue1brown.com/topics/neural-networks This video was supported by Amplify Partners. For any early-stage ML startup founders, Amplify Partners would love to hear from you v
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
New Deep Learning Techniques 2018
有害コメント検出の論文：「Comment Abuse Classification with Deep Learning」を読んだ | 10001 ideas
