GitHub - tonybeltramelli/pix2code: pix2code: Generating Code from a Graphical User Interface ScreenshotYou signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert
Deep Learning Is Not Good Enough, We Need Bayesian Deep Learning for Safe AI
Deep Learning Is Not Good Enough, We Need Bayesian Deep Learning for Safe AI Bayesian Deep Learning, Computer Vision, Uncertainty Understanding what a model does not know is a critical part of many machine learning systems. Unfortunately, today’s deep learning algorithms are usually unable to understand their uncertainty. These models are often taken blindly and assumed to be accurate, which is no
Convolutional Methods for Text
tl;drRNNS work great for text but convolutions can do it fasterAny part of a sentence can influence the semantics of a word. For that reason we want our network to see the entire input at onceGetting that big a receptive can make gradients vanish and our networks failWe can solve the vanishing gradient problem with DenseNets or Dilated ConvolutionsSometimes we need to generate text. We can use “de
Preferred Networksとマイクロソフト、ディープラーニングソリューション分野で戦略的協業 - 株式会社Preferred Networks
株式会社Preferred Networks（本社：東京都千代田区、代表取締役社長 最高経営責任者：西川徹、以下、PFN）とマイクロソフト コーポレーション（本社：米国ワシントン州レドモンド、CEO：サティア ナデラ、以下マイクロソフト）は、人工知能や深層学習の実社会での活用を推進するため、ディープラーニングソリューション分野において戦略的協業することで合意しました。 今回の協業により、マイクロソフトのパブリッククラウドプラットフォームMicrosoft AzureとPFNの深層学習テクノロジーの連携を推進し、各業種業態のビジネス課題を解決する深層学習ソリューションを提供します。本協業の日本市場における展開を、日本マイクロソフト株式会社（本社：東京都港区、代表取締役 社長：平野 拓也）が全面的に支援します。 両社は、本協業を通して①テクノロジー、②人材育成、③マーケティング、の3つの軸で連
Discrete Sequential Prediction of Continuous Actions for Deep RL
It has long been assumed that high dimensional continuous control problems cannot be solved effectively by discretizing individual dimensions of the action space due to the exponentially large number of bins over which policies would have to be learned. In this paper, we draw inspiration from the recent success of sequence-to-sequence models for structured prediction problems to develop policies o
脳から深層ニューラルネットワークへの信号変換による脳内イメージ解読 －「脳－機械融合知能」の実現に向けて－
神谷之康 情報学研究科教授、堀川友慈 株式会社国際電気通信基礎技術研究所主任研究員の研究グループは、ヒトの脳活動パターンを深層ニューラルネットワーク（deep neural network model、以下DNN）等の人工知能モデルの信号に変換して利用することで、見ている画像に含まれる物体や想像している物体を脳から解読する技術の開発に成功しました。本研究成果は、人工知能の分野で進展が著しいDNNをヒトの脳と対応づけることで、脳からビッグ・データの利用を可能とする先進的技術です。 本研究成果は、2017年5月22日午後6時に英国の科学雑誌「Nature Communications」に掲載されました。 研究者からのコメント 本研究では、ブレイン・デコーディング、DNN、大規模画像データベースを組み合わせることで、脳活動パターンから、知覚・想起している任意の物体を解読する方法を開発しました。人
fast.ai: How I built a deep learning application to detect invasive species in just 1 day (and for…
I’ve read dozens of books and taken many classes on machine learning. fast.ai is, by far, the most practical way to get started with deep learning. In this post I’ll share my experience after completing the first 2 lessons. Trust me — starting with math is a bad way to learn AI22 years ago I sat in Bernie Widrow’s Neural Networks class at Stanford and watched the father of the digital filter pains
Neural Network Architectures
Deep neural networks and Deep Learning are powerful and popular algorithms. And a lot of their success lays in the careful design of the neural network architecture. I wanted to revisit the history of neural network design in the last few years and in the context of Deep Learning. For a more in-depth analysis and comparison of all the networks reported here, please see our recent article (and upda
Music Generation with Deep Learning
The use of deep learning to solve problems in literary arts has been a recent trend that has gained a lot of attention and automated generation of music has been an active area. This project deals with the generation of music using raw audio files in the frequency domain relying on various LSTM architectures. Fully connected and convolutional layers are used along with LSTM's to capture rich featu
住宅画像をディープラニング使って、リコメンドをつくってみる - リクルート住まいカンパニー Tech Blog
こんにちは。データソリューショングループの李です。 データソリューショングループでは、ウェブリコメンドやターゲティングバナー設置のアルゴリズム実装、賃料の予測、投函チラシの配布エリア最適化など、 機械学習や統計モデリングをつかってサービスの磨きこみをしています。 今回は、SUUMOが持っている建築物の外観画像と内観画像を使って画像分析を行いました。Deep learningを用いた手法や、得られた結果について紹介します。 Deep Learningとは Computer Vision（CV）やAIなどの難易度が高い学習タスクに対して、深い構造*を使って処理する機械学習アルゴリズムセットです。 表現としては、Deep Structured Learningのほうが本来の意味に近いと思います。 今回の実験ではDeep Learningを用いて、SUUMOが持っている新築戸建の部屋の画像をつかっ
Home - Keras-vis Documentation
Home Keras Visualization Toolkit Quick links Getting Started Installation Visualizations Citation Visualizations Activation Maximization Saliency Maps Class Activation Maps API Docs Visualization Optimization losses regularizers optimizer callbacks Modifiers input_modifiers grad_modifiers backprop_modifiers Utils utils Backend Specific backend Keras Visualization Toolkit keras-vis is a high-level
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 - intel/clDNN: Compute Library for Deep Neural Networks (clDNN)
トヨタと協業したNVIDIAが、名古屋で自動運転やAIのセミナーを実施
https://cs.nyu.edu/~fergus/teaching/vision/13_visiontext.pdf
François Chollet on Twitter: "@shi3z あなたの傲慢で博識ぶったブログは随分PVを稼げたようで良かったですね。あなたにとっては大成功かな。人を貶めて啜る汁は甘いですか？他人の不幸は蜜の味ですもんね。本当に日本を大切に思っているなら必要以上に日本万歳しない方… https://t.co/8HDShhpCQb"
TechCrunch | Startup and Technology News
How to create a neural network in synaptic.js
NSSOL、Deep Learningを用いた画像認識アプリの開発を支援するプラットフォーム「KAMONOHASHI」
ゼロから作る Deep Learningを Ruby で
Dave Patterson: Evaluation of the Tensor Processing Unit