Amazon.co.jp: ゼロから作るDeep Learning ❷ ―自然言語処理編: 斎藤康毅: 本
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
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
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
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
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
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
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
.ai Domain Auctions | auction.whois.ai
The best place to backorder/drop purchase expiring ccTLD domain names
異常検知ナイト（エンジニア向け）
異常検知ナイト！ 2017年頂戴した技術的質問の中でとても多かったものが、異常検知でございました。懇親会で研究者が質問攻めに会い、懇親会が終われない！ということもございました。異常検知の問題をいかに解くかは情報も限られ、教師無し学習、元になるデータ補正、等々様々な難しさがあります。しかし、やりたい人が多い。それならば、一線の研究者、エンジニアを集めて、異常検知問題を如何に解くか情報を共有する会を開催することにしました。Deep Learning Lab 初のエンジニア向けイベントです。 ＜アンケートにご協力ください＞ ご視聴いただいた皆様からのご意見・ご要望をぜひお聞かせください！ アンケートサイトはこちら： http://aka.ms/dllab-survey/
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
Pegara、AMD製GPUベースのDeep Learningクラウドを正式提供開始
GitHub - oreilly-japan/deep-learning-from-scratch-2: 『ゼロから作る Deep Learning ❷』(O'Reilly Japan, 2018)
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
