【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
Chainer MeetUP #03 を開催しました - Preferred Networks Research & Development
最近得居さんに雑なあだ名を付けられて、凹んでる舛岡です。 7/2(土)にChainer Meetup #03をドワンゴ様セミナールームで行いました！ 今回も、アカデミックや企業で活躍されている方々にお話しして頂きました。 ドワンゴ様には前回に引き続き今回も会場をお借りしました。またニコ生の放送もお手伝い頂きました。この場を借りてお礼を申し上げます。 Chainer Meetupでの資料 Chainer, CuPy入門 @unnonounoさん [slideshare id=63664668&doc=20160702chainerintro-160702085422] Chainer Update v1.8.0 -> v1.10.0+ @beam2dさん [slideshare id=63661464&doc=20160702-chainer-update-160702050549] シンパ
Using Keras and Deep Q-Network to Play FlappyBird | Ben Lau
200 lines of python code to demonstrate DQN with Keras Overview This project demonstrates how to use the Deep-Q Learning algorithm with Keras together to play FlappyBird. This article is intended to target newcomers who are interested in Reinforcement Learning. Installation Dependencies: (Update : 13 March 2017, code and weight file has been updated to support latest version of tensorflow and kera
Slicing Convolutional Neural Network for Crowd Video Understanding in CVPR2016
Slicing Convolutional Neural Network for Crowd Video Understanding in CVPR2016 Jul 13, 2016 群衆解析の手法に興味があるので、サーベイの結果を放流しておきます。 Jing Shao, Chen Change Loy, Kai Kang, and Xiaogang Wang, “Slicing Convolutional Neural Network for Crowd Video Understanding”, in CVPR, 2016. Project Page 一言説明 時系列・空間的特徴からCNNで特徴を学習、群衆の動画に対して state-of-the-art を達成 3個のCNNを用いて下記の３つの特徴を表現学習 xy- : 空間的特徴 xt- : x軸の時系列特徴 yt- : y軸の時系
Chasing Cats
Overview This project was motivated by two things: a desire to learn more about neural net software and a desire to encourage the neighbors' cats to hang out somewhere other than my front yard. The project includes just three hardware components: an Nvidia Jetson TX1 board, a Foscam FI9800P IP camera, and a Particle Photon attached to a relay The camera is mounted on the side of the house aimed at
ネコを追い払うには、人工知能（AI）が良いみたい ― 大量のネコ画像で、ネコを“ディープラーニング” [インターネットコム]
NVIDIAは、同社エンジニアであるRobert Bondさんが人工知能（AI）を活用し、ネコを追い払う装置を製作したと同社の公式Blogで公表した。 同Blogによれば、Bondさんの奥さんはガーデニングが好きで、自宅の庭に常に手を入れ、美しく清潔に保つよう心がけているという。だが奥さんは、その庭にやってきてフンをするネコに悩まされていたそうだ。 これに対処するため、Bondさんは、ネコを発見したら自動的に庭のスプリンクラーを起動して水をまき、水が嫌いな（？）ネコを追い払うシステムを構築した。利用したのはネットワークカメラFoscam FI9800Pと組み込みシステム開発用ボードNVIDIA Jetson TX1。これらによって開発されたシステムは、ネコを傷つけずに庭を守れるだけでなく、Amazon.comで購入できるデバイスで誰でも構築可能な、安価で維持し易いシステムとなった。
![ネコを追い払うには、人工知能（AI）が良いみたい ― 大量のネコ画像で、ネコを“ディープラーニング” [インターネットコム]](https://cdn-ak-scissors.b.st-hatena.com/image/square/6deaae9b6eb82c6efdd08f23a61fbcd124b11831/height=288;version=1;width=512/https%3A%2F%2Fimage.internetcom.jp%2Fupload%2F201607%2Fimages%2Fmeiniafe.jpg)
画風のニューラルネットワークのアルゴリズム（人工知能が美術や音楽を作るMagenta 翻訳②） - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? はじめに この記事は、GoogleのMagentaプロジェクトのドキュメント "A Neural Algorithm of Artistic Style"（Cinjon Resnick)の翻訳です。 このドキュメントは、Gatys氏らによる同名の論文のレビュー記事であり、 Apache License, Version 2.0で配布されている成果物です。 Google Brainはディープラーニングにより、美術や音楽を生成するプロジェクトMagentaを立ち上げました。Magentaの目的の1つは、プロジェクトの研究を紹介することでもあ
Deep Learning, Tools and Methods workshop | Martigny, Switzerland | 04.07.2016 | 12 Talks
Deep Learning, Tools and Methods workshop Martigny, Switzerland · July 2016 · 12 Talks The objective of this workshop is to present the current available software and hardware solutions for deep machine learning. We will focus on the two main industrial frameworks for the task: Facebook's Torch and Google's TensorFlow, and will discuss the general principles of deep learning, best practices, "un
Deep Supervised Learning of Representations
Deep Supervised Learning of Representations Yoshua Bengio, University of Montreal, Canada Monday, July 4, 2016 · 2:01 p.m. · 59m 34s
Deep Generative Models
Deep Generative Models Yoshua Bengio, University of Montreal, Canada Tuesday, July 5, 2016 · 1:59 p.m. · 01h 08m 04s
Recurrent Neural Network - Laksh Gupta
sequence to sequence learning, part-of-speech tagging, backpropagation-Through-Time Posted on March 5, 2016 Tweet Recurrent Neural Network¶Let us now move on to Recurrent Neural Network (RNN). Recurrent neural network is good in handling sequential data because they have a memory component which enables this network to remember past (few) information making it better for a model requiring varying
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
DeepBeat: Rap Lyrics Generating AI
Adit Deshpande – Engineering at Forward | UCLA CS '19
GitHub - sjchoi86/dl_tutorials: Deep learning tutorials (2nd ed.)
NVIDIA、名古屋で自動運転やAIの基礎技術となるセミナー「NVIDIA Deep Learning Day 2016 Summer」
