DeepLearningKit - an GPU Optimized Deep Learning Framework for Apple's iOS, OS X and tvOS developed in Metal and Swift
In this paper we present DeepLearningKit - an open source framework that supports using pretrained deep learning models (convolutional neural networks) for iOS, OS X and tvOS. DeepLearningKit is developed in Metal in order to utilize the GPU efficiently and Swift for integration with applications, e.g. iOS-based mobile apps on iPhone/iPad, tvOS-based apps for the big screen, or OS X desktop applic
Deep Predictive Coding Networks for Video Prediction and Unsupervised Learning
While great strides have been made in using deep learning algorithms to solve supervised learning tasks, the problem of unsupervised learning - leveraging unlabeled examples to learn about the structure of a domain - remains a difficult unsolved challenge. Here, we explore prediction of future frames in a video sequence as an unsupervised learning rule for learning about the structure of the visua
How to use the Embedding Layer for Recurrent Neural Network (RNN) in Keras
I'm rather new to Neural Networks and the Keras Library and I'm wondering how I can use the Embedding Layer as described here to mask my input data from a 2D tensor to a 3D tensor for a RNN. Say my timeseries data looking as follows (with an increasing time): X_train = [ [1.0,2.0,3.0,4.0], [2.0,5.0,6.0,7.0], [3.0,8.0,9.0,10.0], [4.0,11.0,12.0,13.0], ... ] # with a length of 1000 Now, say I would w
python-machine-learning-book/faq/difference-deep-and-normal-learning.md at master · rasbt/python-machine-learning-book
That's an interesting question, and I try to answer this in a very general way. In essence, deep learning offers a set of techniques and algorithms that help us to parameterize deep neural network structures -- artificial neural networks with many hidden layers and parameters. One of the key ideas behind deep learning is to extract high level features from the given dataset. Thereby, deep learning
Storytelling of Photo Stream with Bidirectional Multi-thread Recurrent Neural Network
Visual storytelling aims to generate human-level narrative language (i.e., a natural paragraph with multiple sentences) from a photo streams. A typical photo story consists of a global timeline with multi-thread local storylines, where each storyline occurs in one different scene. Such complex structure leads to large content gaps at scene transitions between consecutive photos. Most existing imag
GeForce GTX1080 と TITAN XのDeepLearning学習時間ベンチマーク | GDEPアドバンス
株式会社GDEPアドバンス（本社 東京都文京区/代表取締役:飯野匡道 )は、自社が販売するディープラーニング用ワークステーション「Deep Learning BOX®」において、世界最先端の GPU アーキテクチャ Pascal を採用した GeForce GTX 1080の搭載モデルの販売およびサポートを本日より開始いたしましました。 DeepLearning BOX®は日本で初めてディープラーニングGPUトレーニング・システムの「NVIDIA® DIGITS™ソフトウェア」をサポートしたオールインワンDeepLearning開発キットです。 深層学習研究において、高効率で高いパフォーマンスを発揮できるよう Caffe , Chainer、Theano, TensorFlow、CNTK、CUDA , CuDNN , cuda-convnet な どのDeepLearning関連フレームワ
Learning Deep Representations of Fine-grained Visual Descriptions
State-of-the-art methods for zero-shot visual recognition formulate learning as a joint embedding problem of images and side information. In these formulations the current best complement to visual features are attributes: manually encoded vectors describing shared characteristics among categories. Despite good performance, attributes have limitations: (1) finer-grained recognition requires commen
Introducing DeepText: Facebook’s text understanding engine
Text is a prevalent form of communication on Facebook. Understanding the various ways text is used on Facebook can help us improve people's experiences with our products, whether we're surfacing more of the content that people want to see or filtering out undesirable content like spam. With this goal in mind, we built DeepText, a deep learning-based text understanding engine that can understand wi
カーシミュレータでゼロから学ぶ，自動運転 - Preferred Networks Research & Development
こんにちは！吉田です．東北大学で博士学生をしています． このたび，Preferred Networks（PFN）で4月・５月と春インターンに参加させていただきました． インターンでは，Deep Deterministic Policy Gradientと呼ばれる強化学習の手法を用いて，TORCSというレースゲーム内で自動車に自動運転を自分で１から学習させるという内容に取り組みました． これは私が以前 Chainer を使って Deep Q-Network (DQN) と呼ばれる深層強化学習を再現した経験があり，またインターンでも強化学習に関連したタスクをしたいという希望をマッチングした結果で，個人的にも大変興味をもって取り組めたと思います． TORCS（The Open Racing Car Simulator）はオープンソースのドライビングシミュレータとして公開されていて，近年の強化学習
Institute of Deep Learning - Baidu Research
Baidu launched the Institute of Deep Learning in 2013. The team is working on machine learning and artificial general intelligence, with a special focus on learning robot. CFO: Conditional Focused Neural Question Answering with Large-scale Knowledge Bases. Zihang Dai, Lei Li and Wei Xu Annual Meeting of the Association for Computational Linguistics (2016) Deep Recurrent Models with Fast-Forward Co
Deep API Learning
Developers often wonder how to implement a certain functionality (e.g., how to parse XML files) using APIs. Obtaining an API usage sequence based on an API-related natural language query is very helpful in this regard. Given a query, existing approaches utilize information retrieval models to search for matching API sequences. These approaches treat queries and APIs as bag-of-words (i.e., keyword
住宅の外観画像と内装画像をディープラニングして、リコメンドをつくってみる | Tech Blog - リクルート住まいカンパニー
こんにちは。データソリューショングループの李です。 データソリューショングループでは、ウェブリコメンドやターゲティングバナー設置のアルゴリズム実装、賃料の予測、投函チラシの配布エリア最適化など、こんにちは。データソリューショングループの李です。 データソリューショングループでは、ウェブリコメンドやターゲティングバナー設置のアルゴリズム実装、賃料の予測、投函チラシの配布エリア最適化など、 機械学習や統計モデリングをつかってサービスの磨きこみをしています。 今回は、SUUMOが持っている建築物の外観画像と内観画像を使って画像分析を行いました。Deep learningを用いた手法や、得られた結果について紹介します。 Deep Learningとは Computer Vision（CV）やAIなどの難易度が高い学習タスクに対して、深い構造*を使って処理する機械学習アルゴリズムセットです。 表
Deep Learningによる音声認識
Deep Learningによる音声認識 GTC Japan 2015 2015-09-18 Fairy Devices c⃝ 2015 Fairy Devices Inc. 1 / 28 概要 Deep Learning の導入は音声認識の精度を大きく向上させた. 音声処理分野の幅広い 課題については, 現在も様々なネットワーク構造や学習手法などを用いた研究が活発 に行われている. また音声インターフェースを搭載した製品の普及が進み, 今後も音声処理技術のさま ざまな活用が期待されている. 本講演では Deep Learning による音声認識の概要を説明し, その活用における注意点 について紹介する. 2 / 28 Outline 1 Introduction 2 Deep Learning による音声認識 DNN による音声認識の構造 DNN による音声認識の課題 3 音声認識の活
Amazonがオープンソースで公開したディープラーニングのライブラリ「DSSTNE」を使ってみる - Qiita
DSSTNEとは？ DSSTNEは、Deep Scalable Sparse Tensor Network Engineの頭文字を並べたもので、読み方は“Destiny”と読むらしい。 なぜ今アマゾンがDeep Learning(DL)のオープンソースを発表したのか？ DSSTNEは、既存のDeepLearningのオープンソースよりも、データがSparse(疎)なときに高いパフォーマンスを示すため、Amazonのように大量の商品データ、ユーザーデータを持ち、その二つのオブジェクトが購買、評価などの行動をした行動データを持つような疎行列データを持つ場合に強いDeapLearningのオープンソースと言える。 スパース(疎)行列データとは？ 疎行列（そぎょうれつ、英: sparse matrix）とは、成分のほとんどが零である行列のことをいう。 スパース行列とも言う。 有限差分法、有限体積法
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
[レポート] クラウドとマイクロサービスによる音声操作の新時代 － Amazon Echo & Alexa #AWSSummit | DevelopersIO![[レポート] クラウドとマイクロサービスによる音声操作の新時代 － Amazon Echo & Alexa #AWSSummit | DevelopersIO](https://cdn-ak-scissors.b.st-hatena.com/image/square/148d66c86adf4dd67af10f04029ebb83085d1632/height=288;version=1;width=512/https%3A%2F%2Fdevio2023-media.developers.io%2Fwp-content%2Fuploads%2F2016%2F06%2Faws-summit-tokyo-2016.png)
GitHub - trailbehind/DeepOSM: Train a deep learning net with OpenStreetMap features and satellite imagery.
TechCrunch | Startup and Technology News
GitHub - dennybritz/deeplearning-papernotes: Summaries and notes on Deep Learning research papers
GitHub - alx-tools/deep-learning
GitHub - dennybritz/cnn-text-classification-tf: Convolutional Neural Network for Text Classification in Tensorflow
