Detection of phase transition via convolutional neural network
We design a Convolutional Neural Network (CNN) which studies correlation between discretized inverse temperature and spin configuration of 2D Ising model and show that it can find a feature of the phase transition without teaching any a priori information for it. We also define a new order parameter via the CNN and show that it provides well approximated critical inverse temperature. In addition,
Introduction to Machine/Deep Learning
Using Python 機械学習や深層学習を実践するには、プログラミング言語が必要です。 caffeなどはCやC++で書いてありますが、Pythonがお薦めです。 PythonについてはPythonのページを 参照してください。なお、 Introduction to Python and Numpyのtar+gz版 (元ネタは Python Numpy Tutorial (Stanford Lecture))も参照のこと 機械学習: Scikit-learnの利用 Python-Scikitの紹介 Dlib: 機械学習、特に顔認識のモジュールが優秀(本来C++ライブラリであるが、Pythonモジュールあり) 深層学習とその周辺 深層学習 メモリ型深層学習アーキテクチャ 2017年のディープラーニング論文100選 An Interactive Node-Link Visualization
”ゼロから作る Deep Learning”のための環境構築をdockerとVagrantで実現 - Qiita
WHY この記事を書こうと思った理由ですが下記の書籍を年末年始にやって勉強になったのですがPythonに慣れていないと詰まる部分もあり、環境構築に精神コストを削られてこの書籍を完了できない人が出てくるかなと思ったからです。 ゼロから作るDeep Learning ――Pythonで学ぶディープラーニングの理論と実装 WHAT 詰まると思った部分は図の可視化です。図の可視化にはmatplotlibを使用するのですが環境構築の際に罠があり、それにはまると解消するのに時間的なコストがかかるケースがあります。 そこで誰でも同じ環境を構築できるDockerの出番です。私はVagrantにdocker用の環境を構築してdockerを使用しているので完全に手元のパソコンとは独立した環境を実現しています。 これを実現するのに使用した技術は下記です。 Vagrant ansible docker ipyth
Towards Deep Symbolic Reinforcement Learning
Deep reinforcement learning (DRL) brings the power of deep neural networks to bear on the generic task of trial-and-error learning, and its effectiveness has been convincingly demonstrated on tasks such as Atari video games and the game of Go. However, contemporary DRL systems inherit a number of shortcomings from the current generation of deep learning techniques. For example, they require very l
ディープラーニングのプロジェクトをまとめた『Deep Learning Gallery』 | 100SHIKI
すっきりまとまっていていい感じ。 Deep Learning Galleryでは、最近話題の深層学習に関するプロジェクトをまとめているようだ。 ざっと眺めておくだけでも「へー、こういうことができるのか！」とわかっていいのでは。 もちろん詳細を見ることもできるので興味がある人はさらに踏み込んでいくことができる。 今年はどんなブレイクスルーが生まれるか楽しみですね。
機械学習のライブラリを片っ端からpipで入れまくる(Ubuntu) - Qiita
知っているライブラリを片っ端からpipで入れまくっちゃいます。pip万歳！ 新しいライブラリ見つけたらどんどん追加します。 #pip本体のインストール $ sudo apt-get install python-pip #pipの使い方 なぜか僕の環境では$ sudo -H pip install pip ライブラリ名としないと上手く行かないんですが、 他のサイトなどでは$ pip install ライブラリ名と書いてあるので、以下はこっちで行きます。 僕と同じくsudo必要な人いないのかなぁ〜 #科学技術計算のライブラリ ライブラリ：numpy, scipy, pandas, matplotlib, scikit-image pip install numpy scipy pandas matplotlib scikit-image #機械学習 ライブラリ：chainer, tensor
Multi-Task Curriculum Transfer Deep Learning of Clothing Attributes
Recognising detailed clothing characteristics (fine-grained attributes) in unconstrained images of people in-the-wild is a challenging task for computer vision, especially when there is only limited training data from the wild whilst most data available for model learning are captured in well-controlled environments using fashion models (well lit, no background clutter, frontal view, high-resoluti
（ 事例調査 ）トポロジー・ 微分幾何学・ 情報幾何学 の 高み から、（深層）ニューラル・ネットワークモデル の 情報処理過程 を 可視化し、学習速度 を 早める 視座 の 有効性 を 考える - Qiita
（ 事例調査 ）トポロジー・ 微分幾何学・ 情報幾何学 の 高み から、（深層）ニューラル・ネットワークモデル の 情報処理過程 を 可視化し、学習速度 を 早める 視座 の 有効性 を 考える人工知能深層学習DeepLearning情報幾何学InformationGeometry （深層）ニューラル・ネットワークモデル を 改良して、 局所最適解への陥落 を 防ぎ、 なるべく短い学習回数で、全体最適解 に 到達する より良い (Deep) neural networkモデル を 見い出す 上 で、 【 情報幾何学（微分幾何学）の 見地 】 （１）誤差逆伝播（BP）法 の パラメータ更新式 を Riemann空間で組成し、 （２）フィッシャー行列 で 表現される Riemann計量 を 用いる 方法 及び 【 位相幾何学 の 見地 】 （１）(Deep) neural network モデ
ディープラーニングについて学ぶならこの2冊を読むしかない｜加藤貞顕
年末年始はこの２冊を読んでいた。 『はじめての深層学習プログラミング』清水亮 『ゼロからつくるDeep Learning』斎藤康毅 結論から言うと、いま、人工知能やディープラーニングに興味があるひとは、２冊とも必読ではないかと思った。 アプローチが完全に対称的なので、両方読んだら、理論と雰囲気について、見通しがつくようになったのがとてもよかった。 『ゼロからつくるDeep Learning』は、ていねいに書かれたオーソドックスな入門書だ。人工知能開発によく使われる言語・Pythonの基本や数値計算ライブラリの使い方からはじまり、ニューラルネットワーク、ディープラーニング、畳み込みときて、最後に画像認識を解説する。随所に適切な例題やサンプルコードを交えて、理論と実践をバランスよく説明している。 対して、『はじめての深層学習プログラミング』は、まったく真逆のアプローチだ。なんと、理論の解説など
Deep Residual Learning
Deep Residual Learning MSRA @ ILSVRC & COCO 2015 competitions Kaiming He with Xiangyu Zhang, Shaoqing Ren, Jifeng Dai, & Jian Sun Microsoft Research Asia (MSRA) MSRA @ ILSVRC & COCO 2015 Competitions • 1st places in all five main tracks • ImageNet Classification: “Ultra-deep” (quote Yann) 152-layer nets • ImageNet Detection: 16% better than 2nd • ImageNet Localization: 27% better than 2nd • COCO D
Foundations of Unsupervised Deep Learning (Ruslan Salakhutdinov, CMU)
The talks at the Deep Learning School on September 24/25, 2016 were amazing. I clipped out individual talks from the full live streams and provided links to each below in case that's useful for people who want to watch specific talks several times (like I do). Please check out the official website (http://www.bayareadlschool.org) and full live streams below. Having read, watched, and presented d
Deep Learning for Computer Vision (Andrej Karpathy, OpenAI)
The talks at the Deep Learning School on September 24/25, 2016 were amazing. I clipped out individual talks from the full live streams and provided links to each below in case that's useful for people who want to watch specific talks several times (like I do). Please check out the official website (http://www.bayareadlschool.org) and full live streams below. Having read, watched, and presented d
DeepLearningはアニメを変えるのか？ - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? （題を付けかえました。このページ中の画像は、それぞれの引用先のサイトの画像を表示しているものです。） 最近、Deep Learning関連では、アニメ産業自体にも影響しやすい技術が多数開発されているように思う。 まず、セル画の時代からある輪郭線をラフスケッチからトレースする作業が自動化されてしまうのではないか？ ラフスケッチの自動線画化 web サービス■全層畳込みニューラルネットワークによるラフスケッチの自動線画化 次の２つの技術によれば、そのような線画画像に基づいて、色指定と着色の工程を自動化できてしまう可能性がないか？ 初心者がc
character-level CNNでクリスマスを生き抜く - Qiita
この記事は Retty Advent Calendar 18日目です。 昨日は@YutaSakataのクリスマスプレゼントにはKotlin1.1が欲しいですでした。 さて、もうすぐクリスマスですが、皆さん一緒に過ごすお相手はおられますか？ 私？私はもちろんいます。この子が。 独りだと酒でも飲みに行きたくなりますよね？ちょっと奮発していい店でしっとり飲むのもいいものです。 ですが、そんなつもりで入った店がリア充どもの巣窟だったらどうでしょう？ せっかくの孤独のグルメタイムが台無しです。 そんな危険な店を事前に避けるため、Deep Learningの力をかりましょう。 用意するもの keras お店の口コミ kerasはtensorflowかtheanoをバックエンドにして動くDeep Learning用のライブラリです。複雑なことをしようとすると結構面倒ですが、大抵のモデルについてはかなり簡
Deep Reinforcement Learning (John Schulman, OpenAI)
The talks at the Deep Learning School on September 24/25, 2016 were amazing. I clipped out individual talks from the full live streams and provided links to each below in case that's useful for people who want to watch specific talks several times (like I do). Please check out the official website (http://www.bayareadlschool.org) and full live streams below. Having read, watched, and presented d
【寄稿】2017年に私がやりたいこと（もな猫さん） - 旧interact
今回は「Let's Enjoy it !」のもな猫さんの2017年にやりたいことを寄稿していただきました。 皆さん、初めまして！ もな猫（id:regurusu7777）と申します。 なんと今回は大人気ブログ「interact」の初寄稿ということで、お呼ばれしちゃいました。光栄ですね！ いんたらくとさんとは違った文調の記事をお楽しみください。 お題：これからやりたいこと 勉学はプログラミング！ 音楽はRADWIMPS！ アニメはリゼロ！ さいごに 編集者コメント 交流のきっかけ 寄稿のお題 お題：これからやりたいこと もうすぐ2016年が終わり、新たな年が始まります。そこで、この場をお借りして将来の話をしたいと思います。 皆さんには「これからやりたいこと」はありますか？ 私には沢山あります。ありすぎて困るほどに。 勉学はプログラミング！ 例えばプログラミング。 ゲーム制作のように、エンター
パーセプトロンで論理回路を作る（多層パーセプトロン） - Qiita
import numpy as np # x1,x2:入力 w1,w2:重み b:バイアス def perceptron(x1,x2,w1,w2,b): x = np.array([x1, x2]) w = np.array([w1, w2]) tmp = np.sum(w*x) + b return 0 if tmp <= 0 else 1 def AND(x1,x2): return perceptron(x1,x2,0.5,0.5,-0.7) def NAND(x1,x2): return perceptron(x1,x2,-0.5,-0.5,0.7) def OR(x1,x2): return perceptron(x1,x2,0.5,0.5,0.0) def XOR(x1,x2): # 多層パーセプトロン s1 = NAND(x1,x2) s2 = OR(x1,x2) y = A
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
Deep Learning Gallery - a curated list of awesome deep learning projects
Amazon.co.jp: はじめての深層学習（ディープラーニング）プログラミング: 清水亮: Digital Ebook Purchas
ゼロから作るDeep Learning Pythonで学ぶディープラーニングの理論と実装 第3章 - Qiita
