白雪姫の「魔法の鏡」はつくれる--科学者がAIを使ったら
印刷する メールで送る テキスト HTML 電子書籍 PDF ダウンロード テキスト 電子書籍 PDF クリップした記事をMyページから読むことができます 「鏡よ、鏡、鏡さん、世界で一番美しいのは誰？」 白雪姫で出てくるお妃さまの名文句である。「魔法の鏡」はこの世のあらゆることを知っていて、聞けばどんな質問にも答えてくれる。そんな「魔法の鏡」が現代のわれわれの世界では実現しつつある。 魔法の鏡を実現するカギとなるのが「深層学習」（脳の神経回路の特性を模した数学モデルである「ニューラルネットワーク」に対する機械学習の手法：Deep Learning）である。 犬や猫の識別ができる。囲碁に勝てる。さらにはさまざまなイラストや写真を自動的に生成することすらできる。これらはすべて、この世にあるデータから習得した経験に基づいて獲得した能力である。画像データに限定すれば、いわば人間の目の代わりをすると
GitHub - Conchylicultor/DeepQA: My tensorflow implementation of "A neural conversational model", a Deep learning based chatbot
This work tries to reproduce the results of A Neural Conversational Model (aka the Google chatbot). It uses a RNN (seq2seq model) for sentence predictions. It is done using python and TensorFlow. The loading corpus part of the program is inspired by the Torch neuralconvo from macournoyer. For now, DeepQA support the following dialog corpus: Cornell Movie Dialogs corpus (default). Already included
Julia のススメ 〜 Deep Learning のための Julia 〜 - Qiita
TL;DR Julia は速いよ。 Julia は行列演算簡単だよ。 Julia は Deep Learning 向きだよ。 Julia はそもそも書きやすいよはかどるよ！ Julia 良いよ Julia！ 初めに 【注意】この記事は1年以上前の記事です12。 この記事は、Julia Advent Calendar 2016 の3日目の記事です。 と同時に、機械学習 名古屋 第8回勉強会 の発表資料です。 またこの記事は、ゼロから作る Deep Learning（O'reilly, 2016/09）を参考に構築しています。 ↑ をJuliaに移植中 → DLScratch.jl 自己紹介 自己紹介 名前：後藤 俊介 所属：有限会社 来栖川電算 言語：Python, Julia, Ruby, Scala（勉強中）, … twitter: @antimon2 Facebook: antimon
Input data for convolutional neural network
I am trying learn deep learning and specifically using convolutional neural networks. I'd like to apply a simple network on some audio data. Now, as far as I understand CNNs are often used for image and object recognition, and therefore when using audio people often use the spectrogram (specifically mel-spectrogram) instead of the signal in the time-domain. My question is, is it better to use an i
【論文シリーズ】DNCー動的な記憶装置を搭載した人工知能 - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 原文のリンク Hybrid computing using a neural network with dynamic external memory (2016) 1. 要約と背景 DeepMind社（現Google子会社）は2016年10月27日に、全く新しいタイプの人工知能のフレームワークをNature論文に発表しました。その名も、DNC (Differential Neural Computer)といいます。 この人工知能の斬新な点は何と言っても外部記憶装置 (external memory)の存在です。これはヒトの海馬のような
C++ヘッダだけでDeep Learning、tiny-dnnの紹介 - Qiita
DeepLearning Advent Calendar,6日目の記事です。 Deep Learningフレームワークも世の中に随分と充実してきた昨今、いかがお過ごしでしょうか。今日はC++プログラマが簡単に導入できるDeep Learningフレームワーク、tiny-dnnを紹介します。 まとめ C++でDeep Learningやるなら、tiny-dnnが便利 Header-only＆外部依存なしで簡単導入 Caffeからのインポートやシリアライズなどの各種機能にも対応 いろんなデバイス上で動かしたい人、既成のModel＋αを素早くアプリケーション化したい人、C++でDeep Learningを理解したい人に最適 背景 Deep Learningフレームワークといえば、 Chainer TensorFlow Caffe あたりが有名ですね。他にも老舗のTheanoにTorch、Tens
MXNet 入門 - Qiita
DeepLearning Advent Calendar 2016 4 日目です。 3 日目は @tereka114 さんの「グレーの画像に色をつけるネットワークについて発表しました。」でした。 最近 AWS が公式にサポートを表明した深層学習フレームワーク MXNet に、彼らの記事や各種チュートリアルを通して入門してみようと思います。 MXNet とは 概要 MXNet はワシントン大学とカーネギーメロン大学によって、CNN と LSTM をサポートするために開発されはじめました。効率的で柔軟な深層学習フレームワークとなるよう設計されています。 特徴 AWS が MXNet を支援すると決めた理由に、以下の 3 つをあげています。 スケーラビリティ 豊富な対応言語 軽量かつ高い可搬性 その他にも MXNet には以下のような特徴があります。 命令的 / 宣言的プログラムの混合 豊富な深
Deep Learning Advent Calendar 2016 - Adventar
去年：http://www.adventar.org/calendars/992 Deep Learningに関する話題ならなんでもオッケーです。 論文の紹介・実装、フレームワークを試してみた...etc.
Deep Learning the Stock Market
Update 25.1.17 — Took me a while but here is an ipython notebook with a rough implementation In the past few months I’ve been fascinated with “Deep Learning”, especially its applications to language and text. I’ve spent the bulk of my career in financial technologies, mostly in algorithmic trading and alternative data services. You can see where this is going. I wrote this to get my ideas straight
Amazon RekognitionをSDKから使ってみました #reinvent | DevelopersIO
こんにちは、小澤です。 今回はre:Invent 2016で発表されたAmazon RekognitionをSDKから使ってみたいと思います。 Rekognitionとは Deep Learningを利用した画像解析のサービスです。 できることとしては どのようなものが写っているかのラベル情報取得 画像から顔の位置を取得 2枚の顔画像中の同一人物取得 の3つのようです。 ラベル情報の取得をWeb上から行ってみるとこのように取得できます。 SDKを使ってみる 今回はGetting Started with Amazon RekognitionのStep4にあるExercise 1: Detect Labels in an Image (API)ベースにSDKから動かしてみたいと思います(他の2つも使い方はほぼ変わらないため、掲載するのはDetect Labelsのみにします)。 awscli
Accuracy of a Deep Learning Algorithm for Detection of Diabetic Retinopathy
A, Referable diabetic retinopathy, defined as moderate or worse diabetic retinopathy or referable diabetic macular edema. B, All-cause referable cases, defined as moderate or worse diabetic retinopathy, referable diabetic macular edema, or ungradable image quality. Performance of the algorithm (black curve) and ophthalmologists (colored circles) for the presence of referable diabetic retinopathy (
GitHub - sevamoo/SOMPY: A Python Library for Self Organizing Map (SOM)
A Python Library for Self Organizing Map (SOM) As much as possible, the structure of SOM is similar to somtoolbox in Matlab. It has the following functionalities: Only Batch training, which is faster than online training. It has parallel processing option similar to sklearn format and it speeds up the training procedure, but it depends on the data size and mainly the size of the SOM grid.I couldn'
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 - kootenpv/TwitterQA: Deep learning based Twitter Imposter Chatbot
GitHub - pfnet-research/chainer-pix2pix: chainer implementation of pix2pix
【Amazon Lex】人工知能を活用した会話型インターフェイス | AWS
https://qiita.com/shirono_kei/items/4c6cf757e8ad1b85394d
Amazon、AWSの深層学習フレームワークとしてMXNetを選択
Image Recognition Software, ML Image & Video Analysis - Amazon Rekognition - AWS
GitHub - onivim/oni: Oni: Modern Modal Editing - powered by Neovim
TechCrunch | Startup and Technology News
