TechCrunch | Startup and Technology NewsFormer Autonomy chief executive Mike Lynch issued a statement Thursday following his acquittal of criminal charges, ending a 13-year legal battle with Hewlett-Packard that became one of Silicon Valley’s biggest…
Institute of Deep Learning - Baidu Research
Baidu launched the Institute of Deep Learning in 2013. The team is working on machine learning and artificial general intelligence, with a special focus on learning robot. CFO: Conditional Focused Neural Question Answering with Large-scale Knowledge Bases. Zihang Dai, Lei Li and Wei Xu Annual Meeting of the Association for Computational Linguistics (2016) Deep Recurrent Models with Fast-Forward Co
Deep API Learning
Developers often wonder how to implement a certain functionality (e.g., how to parse XML files) using APIs. Obtaining an API usage sequence based on an API-related natural language query is very helpful in this regard. Given a query, existing approaches utilize information retrieval models to search for matching API sequences. These approaches treat queries and APIs as bag-of-words (i.e., keyword
住宅の外観画像と内装画像をディープラニングして、リコメンドをつくってみる | Tech Blog - リクルート住まいカンパニー
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、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
Deep Learningによる音声認識
Deep Learningによる音声認識 GTC Japan 2015 2015-09-18 Fairy Devices c⃝ 2015 Fairy Devices Inc. 1 / 28 概要 Deep Learning の導入は音声認識の精度を大きく向上させた. 音声処理分野の幅広い 課題については, 現在も様々なネットワーク構造や学習手法などを用いた研究が活発 に行われている. また音声インターフェースを搭載した製品の普及が進み, 今後も音声処理技術のさま ざまな活用が期待されている. 本講演では Deep Learning による音声認識の概要を説明し, その活用における注意点 について紹介する. 2 / 28 Outline 1 Introduction 2 Deep Learning による音声認識 DNN による音声認識の構造 DNN による音声認識の課題 3 音声認識の活
Amazonがオープンソースで公開したディープラーニングのライブラリ「DSSTNE」を使ってみる - Qiita
DSSTNEとは？ DSSTNEは、Deep Scalable Sparse Tensor Network Engineの頭文字を並べたもので、読み方は“Destiny”と読むらしい。 なぜ今アマゾンがDeep Learning(DL)のオープンソースを発表したのか？ DSSTNEは、既存のDeepLearningのオープンソースよりも、データがSparse(疎)なときに高いパフォーマンスを示すため、Amazonのように大量の商品データ、ユーザーデータを持ち、その二つのオブジェクトが購買、評価などの行動をした行動データを持つような疎行列データを持つ場合に強いDeapLearningのオープンソースと言える。 スパース(疎)行列データとは？ 疎行列（そぎょうれつ、英: sparse matrix）とは、成分のほとんどが零である行列のことをいう。 スパース行列とも言う。 有限差分法、有限体積法
Deep Learning Local Optima
Deep Learning Local Optima Alireza Shafaei - Dec. 2015 Saddle Points A critical point Saddle Points A critical point With Hessian Local minimum: Saddle Points A critical point With Hessian Local minimum: Local maximum: Saddle Points With Hessian ... Saddle point with min-max structure Saddle Points With Hessian ... Saddle point with min-max structure Saddle Points With Hessian ... Saddle point wit
Recurrent Neural Network for Text Classification with Multi-Task Learning
Neural network based methods have obtained great progress on a variety of natural language processing tasks. However, in most previous works, the models are learned based on single-task supervised objectives, which often suffer from insufficient training data. In this paper, we use the multi-task learning framework to jointly learn across multiple related tasks. Based on recurrent neural network,
PN-Net: Conjoined Triple Deep Network for Learning Local Image Descriptors
In this paper we propose a new approach for learning local descriptors for matching image patches. It has recently been demonstrated that descriptors based on convolutional neural networks (CNN) can significantly improve the matching performance. Unfortunately their computational complexity is prohibitive for any practical application. We address this problem and propose a CNN based descriptor wit
Swapout: Learning an ensemble of deep architectures
We describe Swapout, a new stochastic training method, that outperforms ResNets of identical network structure yielding impressive results on CIFAR-10 and CIFAR-100. Swapout samples from a rich set of architectures including dropout, stochastic depth and residual architectures as special cases. When viewed as a regularization method swapout not only inhibits co-adaptation of units in a layer, simi
Deep Learning without Poor Local Minima
In this paper, we prove a conjecture published in 1989 and also partially address an open problem announced at the Conference on Learning Theory (COLT) 2015. With no unrealistic assumption, we first prove the following statements for the squared loss function of deep linear neural networks with any depth and any widths: 1) the function is non-convex and non-concave, 2) every local minimum is a glo
GitHub - MickyDowns/deep-theano-rnn-lstm-car: Pack of Drones: Layered reinforcement learning (Q-learning w/ RNN) for complex "hunt" behaviors
Drone movement and coordination are learned thru five independently-trained neural networks in four categories of operation. Specifically: avoid: The first two neural networks enable the drone to avoid obstacles. The turn RNN trains a drone moving at constant speed to avoid stationary and moving obstacles. Inputs are a set of five sonar sensor readings that emanate from the front of the drone. Out
8-Bit Approximations for Parallelism in Deep Learning
The creation of practical deep learning data-products often requires parallelization across processors and computers to make deep learning feasible on large data sets, but bottlenecks in communication bandwidth make it difficult to attain good speedups through parallelism. Here we develop and test 8-bit approximation algorithms which make better use of the available bandwidth by compressing 32-bit
富士通のAI技術「Zinrai」でどんな世界が創られる？ (1/3)
5月19日・20日、東京国際フォーラムにて「富士通フォーラム 2016」が開催された。展示場では、サーバー・ストレージなどのIT機器はほぼ姿を消し、クラウド・モバイル・ビッグデータ・IoT・AI関連技術で構成されるデジタルサービス基盤「MetaArc」をはじめ、社会に貢献するIT技術を中心に紹介していた。 テーマは「ものづくり」「社会インフラ」「ワークスタイル変革」「暮らし」「モビリティ」「医療・健康」「小売・物流」「金融サービス」「デジタルマーケティング」「セキュリティ」「食・農業」「スポーツ」だ。そんな多岐にわたる展示の中から、特に「Zinrai」と呼ばれる技術に注目してみたい。 同社グループが30年にわたって取り組んできたというAI（人工知能）技術だ。 「Zinrai」としてAI技術を体系化 Zinraiは、富士通研究所が中心となり1980年代から継続的に取り組んできたAIの実用化に
[速報] Google I/O 2016 基調講演レポート ~ スマートホームからAndroid N の新機能まで！Google が発信する10の発表 | Recruit Tech Blog
[速報] Google I/O 2016 基調講演レポート ~ スマートホームからAndroid N の新機能まで！Google が発信する10の発表 釘宮愼之介 こんにちは釘宮です。ただいまアメリカはマウンテンビューというところにいます。 Google が開催するクリエイティブ・カンファレンス『Google IO 2016』が日本時間5月19日に開催されました。このイベントは全世界から7000人以上が参加する3日間の大規模なイベントとなっています。初日は基調講演としてGoogleの新たなサービスやプロダクトに関する発表がされました。 今回は現地に渡った @kgmyshin と @wangxuan の二人が速報レポートとしてお伝えします。 Google I/O 2016 基調講演ダイジェスト Google Assistantという概念が生まれた Google Homeというスマートホームプ
![[速報] Google I/O 2016 基調講演レポート ~ スマートホームからAndroid N の新機能まで！Google が発信する10の発表 | Recruit Tech Blog](https://cdn-ak-scissors.b.st-hatena.com/image/square/f0393306b9e4f0390cb144283229b5956bda3ea1/height=288;version=1;width=512/https%3A%2F%2Ftechblog.recruit.co.jp%2Fassets%2Frmp%2Fthumbnail%2F10091.jpg)
住宅の外観画像と内装画像をディープラニングして、リコメンドをつくってみる | Tech Blog - リクルート住まいカンパニー
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、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
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 - dennybritz/deeplearning-papernotes: Summaries and notes on Deep Learning research papers
GitHub - alx-tools/deep-learning
GitHub - dennybritz/cnn-text-classification-tf: Convolutional Neural Network for Text Classification in Tensorflow
ReSeg: A Recurrent Neural Network-based Model for Semantic Segmentation