ディープラーニングによる画像認識の基礎を学べる「NVIDIA Deep Learning Institute 2017」
Kur: Descriptive Deep Learning — Kur 0.6.0 documentation
Introduction¶ Welcome to Kur! You’ve found the future of deep learning! Install Kur easily with pip install kur. Design, train, and evaluate models without ever needing to code. Describe your model with easily understandable concepts. Quickly explore better versions of your model with the power of Jinja2 to automate Kurfile specification. Supports Theano, TensorFlow, and PyTorch, and supports mult
Embedding Watermarks into Deep Neural Networks
Deep neural networks have recently achieved significant progress. Sharing trained models of these deep neural networks is very important in the rapid progress of researching or developing deep neural network systems. At the same time, it is necessary to protect the rights of shared trained models. To this end, we propose to use a digital watermarking technology to protect intellectual property or
【 調査 】オフライン（GPS利用不能）環境下での位置検出技術 INS（慣性航法）における deep neural network 活用事例 - Qiita
（ 調査中 ） INSとは？ Wikipedia 「慣性航法装置」 慣性航法装置（かんせいこうほうそうち、英: Inertial Navigation System, INS）は、潜水艦、航空機やミサイルなどに搭載される装置で、外部から電波による支援を得ることなく、搭載するセンサ（慣性計測装置、英: Inertial Measurement Unit, IMU、Inertial Navigation Unit; INU, Inertial Guidance Unit; IGU, Inertial Reference Unit; IRUなども使用される）のみによって自らの位置や速度を算出する。 慣性誘導装置（英: Inertial Guidance System, IGS）、慣性基準装置（英: Inertial Reference System, IRS）などとも呼ばれる。 INS実現技術に
The AI 100
AI 100: The Artificial Intelligence Startups Redefining Industries The AI 100 is CB Insights' annual list of the 100 most promising private AI companies in the world. Download the full list of winners to meet companies working on diverse solutions designed to recycle plastic waste, improve hearing aids, combat toxic online gaming behavior, and more. Some of this year’s winners are advancing the de
翔泳社主催の「ITエンジニア本大賞 2017」、一般投票で選ばれた技術書・ビジネス書のトップ10が発表
ITエンジニア本大賞 技術書・ビジネス書の各ベスト10 ITエンジニア本大賞は、ITエンジニアにおすすめの技術書・ビジネス書を選ぶイベント。ITエンジニアによるWeb投票で各ベスト10を選出し、大賞は、Web投票で特に票の多かった6冊（技術書・ビジネス書各3冊）の書籍の著者、編集者、翻訳者などによるプレゼン大会の最終投票で決定する。プレゼン大会は、2月16日開催の「Developers Summit 2017（デブサミ2017）」内で行われる。 ベスト10に選ばれた書籍は以下の通り。 技術書部門ベスト10 ※50音順 『ITエンジニアのための機械学習理論入門』（技術評論社） 『Amazon Web Services実践入門』（技術評論社） 『暗号技術入門 第3版 秘密の国のアリス』（SBクリエイティブ） 『SQLアンチパターン』（オライリー・ジャパン） 『新装版 達人プログラマー 職人から
量子コンピュータ×人工知能でなにが起きるのかを知って本気でプログラミングの勉強しようってなった話（前編） - PythonではじめるDeep Learning
初めまして。 きつねと申します(ᵔᴥᵔ) 以後お見知り置きを 先日「量子コンピュータが人工知能を加速する」を読みました。 まずこれを読んだ直後というかむしろ読んでいる途中に感じたことなのですが、 とてもとてもワクワクしました。 本の内容はタイトルの通り 量子コンピュータが人工知能を加速させるだろうという未来予測的（？）な内容 なのですが、ここに書かれている未来を想像するとドキドキが止まらなくなります。未来予測というとなんだか胡散臭い内容なのかな？と思われるかもしれないですが、自動運転自動車や医療、ヘルスケアなどすでに人工知能が働いている分野でさらなる飛躍が起こるはずだという話なので特に何かを誇張しているとかではないと思います。 東京工業大学の西森教授と東北大学の大関教授という方の共同著作で、 量子力学について全く知識がない僕でもわかるように丁寧に解説してくださっている ので本当に量子コンピ
Game Theory reveals the Future of Deep Learning
Credit: https://unsplash.com/search/game?photo=B4op5oZ4x5QIf you’ve been following my articles up to now, you’ll begin to perceive, what’s apparent to many advanced practitioners of Deep Learning (DL), is the emergence of Game Theoretic concepts in the design of newer architectures. This makes intuitive sense for two reasons. The first intuition is that DL systems will eventually need to tackle si
DyNet: The Dynamic Neural Network Toolkit
We describe DyNet, a toolkit for implementing neural network models based on dynamic declaration of network structure. In the static declaration strategy that is used in toolkits like Theano, CNTK, and TensorFlow, the user first defines a computation graph (a symbolic representation of the computation), and then examples are fed into an engine that executes this computation and computes its deriva
NIPS 2016 Adversarial Training Workshop 体験記 - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 去年参加したNIPS Adversarial Training Workshopについて書きます。 Advent Calendarに投稿するはずだったのですが忘れていました...すみません。 動画が全て上がっているので詳しく知りたい人はそれを見るといいと思います。 https://www.facebook.com/groups/675606912596390/ あとHuszarのBlogとかにももっといいまとめが上がっているのでそれもおすすめです。またGANは曖昧な部分が多かったり理解が甘くて、とんちんかんなことを書いていたりかもしれま
シモセラ エドガー Siameseネットワークモデルを用いた画像特徴量抽出
Siameseネットワークモデルを効率的に学習させることで、 ロバストな画像特徴量を計算する手法を提案する。 提案手法では、モデルに2つの画像パッチを入力し、出力された特徴量の誤差によってモデルを学習させる。 また、入力するパッチをその識別の難しさによって分類し、識別が困難なパッチを優先的に学習させることで、SIFT特徴量よりもロバストな特徴量の抽出を実現した。 Our approach consists in training a Convolutional Neural Network (CNN) to build a feature representation of an image patch. We train by using two patches simultaneously that should either correspond to the same point
Deep Learning Online Training Course | Udacity
This Nanodegree trains the learner about foundational topics in the exciting field of deep learning, the technology behind state-of-the-art artificial intelligence. This Nanodegree trains the learner about foundational topics in the exciting field of deep learning, the technology behind state-of-the-art artificial intelligence.
Chainer:ことはじめ | 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
新年を迎えたので、何か新しいことをしようということで選んでみたのがChainerである。 去年の春、AlphaGoから人工知能の狂乱ブームが始まり、猫も杓子も Deep Learning を勉強しているようで、オライリージャパンの『ゼロからはじめるDeep Learing』がやたらに売れている。 もう４万部を突破しているようだが、あの本を４万人もの人が読んで理解できるなら、日本のIT技術者の層は予想より遥かに厚かったことになるが、実際には人工知能ブームに流されて買っただけで積読状態ではないかと思っている。 Deep Learning(以下ＤＬ)でよく利用されている言語がPythonである。といっても、Pythonの基本部分ではなく、NumPyを始めとする拡張部分を使いまくってDＬを実現している。つまり、Pythonの基本部分を使いこなすだけでDＬのコードが書けるわけではない。 ちょっと勉強
「このコンピューター書がすごい2017年。」ベスト10発表！
横田です。今年も「このコンピュータ書がすごい！」が開催されたので、行って参りました。 今年も「高橋メソッド」でお馴染みの高橋 征義さんと、コンピュータ書の仕掛け人である各出版社の編集者の方が、2016年に売れたコンピュータ書について座談会形式で話すものです。私は2016年、2015年、2014年と4年連続で参加いたしましたが、今年も数多くの人が参加していました。 というわけで、今回も「ジュンク堂で販売部数が多かったコンピュータ書の年間ランキングが発表されていたので、例年通りベスト10をこちらのエントリでご紹介したいと思います。 ちなみに、例年ですと、高橋さんがジュンク堂書店で「月ごとにランキングに入ったコンピューター書」や「その月に発売されたコンピューター書」を紹介し、本によっては編集者の方がコメントをするような形になっております。（そして、例年時間が足りなくなります（笑））。 しかし、今
機械学習を勉強して内容を動画でまとめていく - Qiita
田中TOMという名前で底辺Youtuberやってます。 機械学習について勉強して学んだことを動画でまとめていきます。 Random Forestで分類問題 Random Forest で分類問題 part1 決定木モデル 理論編 Random Forest で分類問題 part2 決定木モデル 実装編 Random Forest で分類問題 part3 Random Forest 理論編 Random Forest で分類問題 part4 Random Forest 実装編 Kerasで時系列データ予測 簡単にNN(ニューラルネットワーク)が構築できる Keras で時系列データの機械学習を行う。 Kerasで時系列データ予測 part1 環境構築 Kerasで時系列データ予測 part2 Keras Kerasで時系列データ予測 part3 再帰型ニューラルネットワーク Kerasで時系
MIT Deep Learning and Artificial Intelligence Lectures | Lex Fridman
This page is a collection of select recorded lectures on AI given by Lex Fridman and others. Deep Learning (2020) Notice: Undefined index: title in /var/www/lex_fridman/wordpress/wp-content/themes/twentytwelve-child/grid-vid.php on line 68 Notice: Undefined variable: extra1 in /var/www/lex_fridman/wordpress/wp-content/themes/twentytwelve-child/grid-vid.php on line 98 ">
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 - dmlc/minpy: NumPy interface with mixed backend execution
Redirect
TechCrunch | Startup and Technology News
Pythonで始める機械学習入門
