Human-level control through deep reinforcement learning
LETTER doi:10.1038/nature14236 Human-level control through deep reinforcement learning Volodymyr Mnih1 *, Koray Kavukcuoglu1 *, David Silver1 *, Andrei A. Rusu1 , Joel Veness1 , Marc G. Bellemare1 , Alex Graves1 , Martin Riedmiller1 , Andreas K. Fidjeland1 , Georg Ostrovski1 , Stig Petersen1 , Charles Beattie1 , Amir Sadik1 , Ioannis Antonoglou1 , Helen King1 , Dharshan Kumaran1 , Daan Wierstra1 ,
Deep Learning Overview & Visualizing What Deep Neural Networks Learn
Jeff Clune introduces deep learning, describes how it is changing many fields of science and sectors of the economy, and then describes the work he has been involved in regarding how to visualize what feature each neuron in a neural network has learned to detect. For all of the papers, source code, and more video research summaries, see http://EvolvingAI.org Note: almost all of this work was do
NVIDIA Deep Learning Day 2016 Spring - 資料一覧 - connpass
終了 2016/04/27（水） 10:00〜 NVIDIA Deep Learning Day 2016 Spring Tesla P100, NVIDIA DGX-1の最新情報 yukofuji 他 愛知県名古屋市中区栄3-18-1
数学的基礎から学ぶ Deep learning (with Python) Vol. 5【MPS 横浜 第5回】
MPS横浜 概要 MPSは、「みんなでわいわいソフトウェア作りながら技術を磨いて実績を作ろう!」をコンセプトに活動しています。プログラミング玄人とも初心者もみんなで協力して作品作りを行い、できあがった作品は共同制作のオープンソース・ソフトウェアとして、世の中に出します。 MPS横浜は「筋電位とDeep learning を用いた簡単なロボットアームを作ってみよう!」をテーマに発足しました。 前回から数回にわたって行う勉強会は、そのための Deep learning と電子回路に関する知識の実践的な獲得を目的とします。前提知識をあまり仮定せず 、基礎の基礎から学べるようにしてゆきます (高校二年生程度の数学の知識と if や for 文など Python の経験を少し仮定しますが、なくても是非チャレンジしてみてください ! )。 勉強会の後はみんなでご飯を食べにいきます ! 今回の予定 数学
Stat212b: Topics Course on Deep Learning by joanbruna
Stat212b: Topics Course on Deep Learning by Joan Bruna, UC Berkeley, Stats Department. Spring 2016. View on GitHub Download .zip Download .tar.gz Topics in Deep Learning This topics course aims to present the mathematical, statistical and computational challenges of building stable representations for high-dimensional data, such as images, text and audio. We will delve into selected topics of Deep
Hierarchical Deep Reinforcement Learning: Integrating Temporal Abstraction and Intrinsic Motivation
Learning goal-directed behavior in environments with sparse feedback is a major challenge for reinforcement learning algorithms. The primary difficulty arises due to insufficient exploration, resulting in an agent being unable to learn robust value functions. Intrinsically motivated agents can explore new behavior for its own sake rather than to directly solve problems. Such intrinsic behaviors co
Deep Residual Networks with Exponential Linear Unit
Very deep convolutional neural networks introduced new problems like vanishing gradient and degradation. The recent successful contributions towards solving these problems are Residual and Highway Networks. These networks introduce skip connections that allow the information (from the input or those learned in earlier layers) to flow more into the deeper layers. These very deep models have lead to
Facebookのメッセンジャープラットフォームの本当の狙いは正しく報道されていないと（僕は）思う。｜決算が読めるようになるノート
（今回は完全に主観なので「オレ（私）は違うと思う」という方もいらっしゃるかもしれませんが、悪しからず。） さて、LINEに続き、Facebookもボットプラットフォームをリリースして、盛り上がっていますね。「F8カンファレンス：FacebookがMessengerのチャットボットのプラットフォームを発表」が詳しいので詳細はこちらをご覧ください。 がしかし、Facebookが本当に何を狙っているのか、というのが正しく報道されていない気がするので、僕の解釈を書いておこうと思います。（繰り返しますが、あくまで主観です。） メッセンジャープラットフォームにおける3つのリリース今回、f8カンファレンスで発表されたメッセンジャー関連の内容は、大きく分けて3つに分類できる。 #1 : ビジネスアカウントにもメッセンジャーを開放 #2 : メッセージを送受信するAPIを開放 #3 : メッセージを自動で送
Understanding Convolution in Deep Learning — Tim Dettmers
Convolution is probably the most important concept in deep learning right now. It was convolution and convolutional nets that catapulted deep learning to the forefront of almost any machine learning task there is. But what makes convolution so powerful? How does it work? In this blog post I will explain convolution and relate it to other concepts that will help you to understand convolution thorou
Nvidiaが送り出すスーパーコンピュータ向け深層学習システム | readwrite.jp
Nvidiaが2016年 GPUテクノロジーカンファレンスで、DGX-1 Deep Learning System を発表した。このシステムはNvidia最新のTesla GP100グラフィックカードを使い、半浮 動小数点でのパフォーマンスは170TFlopに至るという。 多くのPCファンにとってはどうでもいいことのようにも思えるが、市場に出ている中では 一番高価でハイパフォーマンスであるNvidia Titan Xと比べて、性能は12倍にもなる。 Tesla GP100はTSMC 16nm FinFETの製造工程で造られ、High Bandwidth Memory(HBM2)が初めて使われる製品でもある。両方を同時に使ったものを出すのは Nvidiaが最初だ。Samsungは16nmプロセスを2015年から使ってはいるが。 新しい製造プロセスによってGPUをスリム化する代わりに、Nvid
Caffe | Fine-tuning for style recognition
Fine-tuning CaffeNet for Style Recognition on “Flickr Style” Data Fine-tuning takes an already learned model, adapts the architecture, and resumes training from the already learned model weights. Let’s fine-tune the BAIR-distributed CaffeNet model on a different dataset, Flickr Style, to predict image style instead of object category. Explanation The Flickr-sourced images of the Style dataset are
Deep Gate Recurrent Neural Network
This paper introduces two recurrent neural network structures called Simple Gated Unit (SGU) and Deep Simple Gated Unit (DSGU), which are general structures for learning long term dependencies. Compared to traditional Long Short-Term Memory (LSTM) and Gated Recurrent Unit (GRU), both structures require fewer parameters and less computation time in sequence classification tasks. Unlike GRU and LSTM
About – All Prior Art
All Prior Art is a project attempting to algorithmically create and publicly publish all possible new prior art, thereby making the published concepts not patent-able. The concept is to democratize ideas, provide an impetus for change in the patent system, and to preempt patent trolls. The system works by pulling text from the entire database of US issued and published (un-approved) patents and cr
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
Image Colorization Using a Deep Convolutional Neural Network
NVIDIA、Pascal搭載の深層学習用スパコン「DGX-1」の国内販売開始 ～「Deep Learning Day 2016 Spring」講演
TensorFlowによるDeep Learningでアイドルの顔識別する話
GitHub - jisungk/deepjazz: Deep learning driven jazz generation using Keras & Theano!
GitHub - DeepMark/deepmark: THE Deep Learning Benchmarks
https://deeplooks.com/
DIY Deep Learning for Vision: a Hands-On Tutorial with Caffe
