成長し続けるディープラーニングを制するのは誰か - BRIDGE（ブリッジ）
via Flickr by “A Health Blog“. Licensed under CC BY-SA 2.0. Amit Karp氏はBessemer Venture Partnersの副社長である。彼は同社イスラエル事務所で勤務しており、イスラエルとヨーロッパにおける投資に焦点をあてている。彼をTwitterでフォローしよう。@amitkarp via Flickr by “Jiuguang Wang“. Licensed under CC BY-SA 2.0. 人工知能（AI）*は私たちの予想をはるかに超えて急速に発達している。先月、GoogleのDeepMind AIが伝説的囲碁棋士のLee Sedol氏に勝利したことは業界にとって決定的な瞬間だった。この勝利を手にしたのは、ディープラーニングと呼ばれる比較的新しい人工知能技術で、人工知能に変革をもたらしているものだ。 ディー
Aylien launches news analysis API powered by its deep learning tech | TechCrunch
Aylien launches news analysis API powered by its deep learning tech Text analysis startup Aylien, which uses deep learning and NLP algorithms to parse text and extract intel from documents for its customers, has launched a new tool specifically focused on analyzing written news content. “The idea for the News API is to give access to the news content that is out there enriched and in real-time to
Learning to Answer Questions From Image Using Convolutional Neural Network
In this paper, we propose to employ the convolutional neural network (CNN) for the image question answering (QA). Our proposed CNN provides an end-to-end framework with convolutional architectures for learning not only the image and question representations, but also their inter-modal interactions to produce the answer. More specifically, our model consists of three CNNs: one image CNN to encode t
ABC-CNN: An Attention Based Convolutional Neural Network for Visual Question Answering
We propose a novel attention based deep learning architecture for visual question answering task (VQA). Given an image and an image related natural language question, VQA generates the natural language answer for the question. Generating the correct answers requires the model's attention to focus on the regions corresponding to the question, because different questions inquire about the attributes
数学的基礎から学ぶ Deep learning (with Python) Vol. 4【MPS 横浜 第4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
Amazonが ディープラーニングスタートアップ Orbeus を買収 - BRIDGE（ブリッジ）
via Flickr by “A Health Blog“. Licensed under CC BY-SA 2.0. via Flickr by “Wonderlane“. Licensed under CC BY-SA 2.0. ＜ピックアップ＞Amazon hires team behind deep learning startup Orbeus Amazon は、写真や動画内の人物や物を人工知能の一種であるディープラーニングを用いて特定する技術を開発する小さなスタートアップ Orbeusで働くメンバーのほぼ全員を雇用した。Orbeusは、PhotoTimeと呼ばれる瞬時に写真にタグをつけられるiOSとAndroidアプリや、開発者が自身のアプリに使えるRekognition APIを開発している。 Orbeus のCEO Yi Li氏とAmazonは本件についてコメントをしておら
Deep learning driven jazz generation
Using Keras & Theano for deep learning driven jazz generation Download .zip Download .tar.gz Using Keras & Theano for deep learning driven jazz generation I built deepjazz in 36 hours at a hackathon. It uses Keras & Theano, two deep learning libraries, to generate jazz music. Specifically, it builds a two-layer LSTM, learning from the given MIDI file. It uses deep learning, the AI tech that powers
Chess position evaluation with convolutional neural network in Julia
In this post we will try to challenge the problem of chess position evaluation using convolutional neural network (CNN) – a neural network type designed to deal with spatial data. We will first explain why we need CNNs then we will present two fundamental CNN layers. Having some knowledge from the inside of the black box, we will apply CNN to the binary classification problem of chess position eva
Deep Reinforcement Learning from Self-Play in Imperfect-Information Games
Deep Reinforcement Learning from Self-Play in Imperfect-Information Games Johannes Heinrich J.HEINRICH@CS.UCL.AC.UK David Silver D.SILVER@CS.UCL.AC.UK University College London, UK Abstract Many real-world applications can be described as large-scale games of imperfect information. To deal with these challenging domains, prior work has focused on computing Nash equilib- ria in a handcrafted abstra
G-DEP｜GPUコンピューティングパートナーシップ
2016年4月1日よりGDEPは新たなステージとして、ユーザーセグメントと製品レイヤーに沿った新会社を2社設立し、 さらなる市場の創生と多様なニーズに対応することと致しました。 「株式会社GDEPアドバンス」はGPUアクセラレーターとオーバクロックワークステーションを中心とした高速化のご提案を、 「GDEPソリューションズ株式会社」はハードウェアとソフトウェアの統合ソリューションの企画・提案を中心に 事業を展開していく予定です。 ユーザーのベネフィットを第一に、パートナー各社のご協力を得て、GDEP グループは一丸となって GPUコンピューティングの驚くべきパワーを日本のIT産業のグローバル競争力の向上に つなげていく活動を行って参ります。 サポートについて 従来GDEPで販売された全ての製品については、株式会社GDEPアドバンスでサポート業務を引き継ぎます。 お問い合わせ先 suppor
ニューラルネットと脳の違いが知りたくて | 一生あとで読んでろ
読書メモ． はじめに 人間の脳を模したニューラルネットの手法，深層学習ディープラーニングがめざましい成果を挙げている–といった謳い文句をよく目にする．だが機械学習の専門書を紐解いても出てくるのはロジスティック回帰のお化けばかり． われらがPRMLのニューラルネットを扱う章にはこうある． しかしながら，パターン認識という実際的な応用の観点からは，生物学的な現実性などは全く不要な制約である． – C.M.ビショップ『パターン認識と機械学習 上』 (p.226) では，機械学習の文脈で言うところのニューラルネットと脳はどれほど異なっているのだろうか？ ニューラルネットと脳の違い 結論から言えば全然違うわけだが，ざっくり以下の三点から整理できる（と思う）： ニューロンのモデル ネットワーク構造 微分計算の手法 ニューロンのモデル 現在広く普及している多層パーセプトロンは，単純な差分方程式であるMc
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
Research data supporting “PoseNet: A Convolutional Network for Real-Time 6-DOF Camera Relocalization”: Kings College
GitHub - jazzsaxmafia/Weakly_detector: Tensorflow implementation of "Learning Deep Features for Discriminative Localization"
Learning Deep Features for Discriminative Localization | GitXiv
GitHub - yujiosaka/js-mind: Deep Learning Library Written in ES2015.
A Convolutional Neural Network Neutrino Event Classifier
深層学習フレームワークChainerの勉強に役立つページのまとめ - Qiita
TechCrunch | Startup and Technology News
NVIDIA DGX Platform
NTT ComとALSOK、AI技術を活用した複数カメラをまたぐ不審者検出・追跡技術を開発