GitHub - kennycason/bayesian_sentiment_analysis: Pragmatic & Practical Bayesian Sentiment Classifier
The point of this project is to explore practical and pragmatic means to improve results from Bayesian classifiers in the area of sentiment analysis. This project explores a few optimizations to the typical Naive Bayesian methods for sentiment analysis along with a few notes. Depending on your requirements you can achieve >90% accuracy with Bayesian techniques. Results of >99% accuracy are possibl
LeNet - Convolutional Neural Network in Python - PyImageSearch
In today’s blog post, we are going to implement our first Convolutional Neural Network (CNN) — LeNet — using Python and the Keras deep learning package. The LeNet architecture was first introduced by LeCun et al. in their 1998 paper, Gradient-Based Learning Applied to Document Recognition. As the name of the paper suggests, the authors’ implementation of LeNet was used primarily for OCR and charac
The Best GPUs for Deep Learning in 2023 — An In-depth Analysis
OverviewThis blog post is structured in the following way. First, I will explain what makes a GPU fast. I will discuss CPUs vs GPUs, Tensor Cores, memory bandwidth, and the memory hierarchy of GPUs and how these relate to deep learning performance. These explanations might help you get a more intuitive sense of what to look for in a GPU. I discuss the unique features of the new NVIDIA RTX 40 Amper
Installing Keras for deep learning - PyImageSearch
The purpose of this blog post is to demonstrate how to install the Keras library for deep learning. The installation procedure will show how to install Keras: With GPU support, so you can leverage your GPU, CUDA Toolkit, cuDNN, etc., for faster network training. Without GPU support, so even if you do not have a GPU for training neural networks, you’ll still be able to follow along. Let me start by
Accelerating Eulerian Fluid Simulation With Convolutional Networks
Abstract Real-time simulation of fluid and smoke is a long standing problem in computer graphics, where state-of-the-art approaches require large compute resources, making real-time applications often impractical. In this work, we propose a data-driven approach that leverages the approximation power of deep-learning methods with the precision of standard fluid solvers to obtain both fast and highl
【東大・松尾先生のディープラーニング講座】なぜ「アルファ碁」は飛躍的に進化した？ ニュースイッチ by 日刊工業新聞社
AI（人工知能）はディープラーニングの登場で大きなブレークスルーを迎えている。英グーグル・ディープマインド社が開発した囲碁AI「AlphaGO（アルファ碁）」は予測を10年以上短縮してトップ棋士に勝ち、AIを活用したクルマの自動運転なども実用段階に近づいてきている。今後ディープラーニングは、産業にどう活用され、何を変えていくのだろうか？ 気鋭の人工知能学者、東京大学の松尾豊特任准教授に聞いた。 いかにサボってパラメーターを見つけるか ─ディープラーニングの基本となるニューラルネットワークについて教えてください。 松尾 経済学などでは、さまざまな変数の関連性を導き出す統計手法として、重回帰分析などの多変量解析を使うことが多いですが、それと比較するとわかりやすいかもしれません。 たとえば、ある画像に猫が映っているかどうかを人間が判断できるというのは、画像の各画素の情報を入力xとし、猫が映ってい
MIT Press の Deep Learning 本が公開中 | Webシステム開発／教育ソリューションのタイムインターメディア
現在、機械学習や深層学習に関する本が非常にたくさん出ている。 どうせ出ているのなら、世界で一番良さそうな教科書的な本はないものかちょっと考えてみた。 今、世界の有名大学が、これらの授業を公開していて、誰でも好きなだけ勉強できる状況にある。 人工知能系の講義ビデオなどについては、別の機会に紹介する。 そんな情報の渦中をさまよっていたら、MIT Press の Deep Learning の本のサイトが見つかった。著者は、Ian Goodfellow（モントリオール大->Google->OpenAI）, Yoshua Bengio(モントリオール大) and Aaron Courville（モントリオール大）ということで、この分野ではモントリオール大、トロント大などカナダが有力である。 この本のサイト、とてもショボイ感じなのだけれど、MIT Press がそんないい加減な本を出すとも思えないと
Kaiming He - FAIR
Kaiming He 何恺明 Research Scientist Facebook AI Research (FAIR), Menlo Park, CA I am a Research Scientist at Facebook AI Research (FAIR) as of 2016. Before that I was with Microsoft Research Asia (MSRA), which I joined in 2011 after receiving my PhD. My research interests are in computer vision and deep learning. I am a recipient of the PAMI Young Researcher Award in 2018, the Best Paper Award in CV
【 論文を読む 】Deep neural network に 外部知識DB を 参照する補正項 を 組み込むと、少量学習データ でも NLP意味計算精度 アップした件 - Qiita
【 論文を読む 】Deep neural network に 外部知識DB を 参照する補正項 を 組み込むと、少量学習データ でも NLP意味計算精度 アップした件MachineLearningDeepLearningrdfNLP自然言語処理 【 関連記事 】 HirofumiYashima Qiita記事（2016/08/17）「【 概念・語彙 意味関係 知識ベース 参照型 word2vec（ GloVe ）】Joint representation 論文 の C＋＋言語 公式実装コード を サンプルデータ で 動かして挙動確認してみた」 ニューラル言語モデル × オントロジー セマンティック知識DB参照モデル 融合のアプローチ が切り開く可能性 （ 文書コーパスから、各トークンの意味表現ベクトルを組成する neural network モデル のアルゴリズムに、外部 知識DBに記述さ
ICML 2016 Tutorial on Deep Residual Networks
ICML 2016 Tutorial on Deep Residual Networks 8:30-10:30am, June 19, 2016. @Marriott, New York City Deeper neural networks are more difficult to train. Beyond a certain depth, traditional deeper networks start to show severe underfitting caused by optimization difficulties. This tutorial will describe the recently developed residual learning framework, which eases the training of networks that are
Kerasで学ぶAutoencoder
Kerasの公式ブログにAutoencoder（自己符号化器）に関する記事があります。今回はこの記事の流れに沿って実装しつつ、Autoencoderの解説をしていきたいと思います。間違いがあれば指摘して下さい。また、Kerasの公式ブログはKerasでの実装に関してだけでなく、機械学習自体についても勉強になることが多く、非常におすすめです。 今回の記事では様々なタイプのAutoencoderを紹介しますが、日本語ではあまり聞き慣れないものもあるかと思いますので、今回は名称を英語で統一したいと思います。 目次 イントロダクション Undercomplete Autoencoder Sparse Autoencoder Deep Autoencoder Convolutional Autoencoder Denoising Autoencoder まとめ イントロダクション Autoencod
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
GitHub - kevinlin311tw/caffe-cvprw15: :heart::coffee: Deep Learning of Binary Hash Codes for Fast Image Retrieval (CVPRW15)
GitHub - matthiasplappert/keras-rl: Deep Reinforcement Learning for Keras.
GitHub - kdexd/digit-classifier: A single handwritten digit classifier, using the MNIST dataset. Pure Numpy.
GitHub - 5vision/deep-reinforcement-learning-networks: A list of deep neural network architectures for reinforcement learning tasks.
GitHub - fchollet/keras-resources: Directory of tutorials and open-source code repositories for working with Keras, the Python deep learning library
TechCrunch | Startup and Technology News
DeepBeat: Rap Lyrics Generating AI
Adit Deshpande – Engineering at Forward | UCLA CS '19
GitHub - sjchoi86/dl_tutorials: Deep learning tutorials (2nd ed.)
