Magic Leap、深層畳み込みニューラルネットワークによって駆動するSLAMトラッキング・アルゴリズム「Deep SLAM」を論文にて公開。「Deep-Learningを搭載したSLAMを大規模に展開する日は遠くない」
Magic Leap、深層畳み込みニューラルネットワークによって駆動するSLAMトラッキング・アルゴリズム「Deep SLAM」を論文にて公開。「Deep-Learningを搭載したSLAMを大規模に展開する日は遠くない」 2017-07-27 総額22億ドル以上を資金調達している米国のARスタートアップ「Magic Leap」の研究者は、深層畳み込みニューラルネットワークによって駆動するSLAMトラッキング・アルゴリズム「Deep SLAM」について記述した論文を公開しました。 Toward Geometric Deep SLAM（PDF） Magic Leapの研究者であるDaniel DeTone氏、Tomasz Malisiewicz氏、Andrew Rabinovich氏によって作成されたこの論文は、機械学習を使用し自己位置推定と環境地図作成を同時に行う「SLAM（Simulta
Neuroevolution: A different kind of deep learning
Check out the session, "Sooner Than You Think: Neural Interfaces Are Finally Here," at the Artificial Intelligence Conference in New York, April 15-18, 2019. Best price ends January 25. Neuroevolution is making a comeback. Prominent artificial intelligence labs and researchers are experimenting with it, a string of new successes have bolstered enthusiasm, and new opportunities for impact in deep l
Awesome Ruby : 素晴しい Ruby のライブラリ・ツール・フレームワーク・ソフトウェアの数々
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 元記事: Awesome Ruby Ruby 以外の言語, ソフトウェアについては を参照してください. Awesome List in Qiita Awesome Java Awesome JavaScript Awesome Node.js Awesome Python Awesome Go Awesome Selenium Awesome Appium 抽象化 ActiveInteraction - アプリケーション固有のビジネスロジックを管理します. Cells - Rails のコンポーネントを表示します. Decent Ex
Core ML vs MPS vs BNNS #fincwwdc - その後のその後
昨日FiNCさんのオフィスで開催された「WWDC2017振り返り勉強会」で『Core ML vs MPS vs BNNS』というタイトルでLTしてきました。 iOS 11で追加されたCore MLが非常に注目を集めていますが、「既存の機械学習フレームワークを使って学習させたモデル（のパラメータ）をiOS側に持ってきて推論を実行する」ということ自体はiOS 10からあって、そこに不便さがあったので広まらず、Core MLでやっと使われるようになった、という側面はもちろんありつつも、いややはりそれでも単にそういうことがiOS 10できるようになったということ自体が知られていなかっただけなのではと。 それにしてもCoreMLはこんなに話題になるのに、なぜMPSCNN（MPS）はあんまり盛り上がらなかったのか。「iOS側でのネットワーク実装とかモデル持ってくるのとか色々面倒」というCoreMLで改
箱根でデータ分析部開発合宿をしました（小田原・箱根おすすめグルメ情報付き） - Gunosyデータ分析ブログ
こんにちは、データ分析部の久保です。 データ分析部では四半期に一度ぐらい開発合宿を行っています。 参加は任意でもちろん業務としてカウントされます。 合宿編 今回の合宿場所は以前も使用したAirbnbのこちらの部屋を使いました。 www.airbnb.jp ホストのErikoさんも丁寧に対応してくれるし、部屋はとてもきれいで8~10人の宿泊にはかなり快適です。 ただ1点備え付けのwifiにつながりにくいという欠点があったので、今回は予めwifiレンタルをしていくことにしました。 【国内用】当日発送で高速WiFiをレンタル | WiFi東京RENTALSHOP 初日のチェックイン時刻までは途中小田原に立ち寄って、小田原の商工会議所の会議室を借りて各自作業しました。 今回各自が取り組んだテーマはいくつか例をあげると下のようなものでした - 「テキストアナリティクスシンポジウムでの発表に向けた実験
37 Reasons why your Neural Network is not working
The network had been training for the last 12 hours. It all looked good: the gradients were flowing and the loss was decreasing. But then came the predictions: all zeroes, all background, nothing detected. “What did I do wrong?” — I asked my computer, who didn’t answer. Where do you start checking if your model is outputting garbage (for example predicting the mean of all outputs, or it has really
（ Microsoftほか発 ）DeepCoder : 探索ベースのソフトウェア・エンジニアリング手法 を 取り込んだ Neural Networkベース の プログラミングコード自動導出モデル - Qiita
（ Microsoftほか発 ）DeepCoder : 探索ベースのソフトウェア・エンジニアリング手法 を 取り込んだ Neural Networkベース の プログラミングコード自動導出モデルNLP深層学習自動プログラミング人工知能DeepLearning （ 原論文 ） Matej Balog, Alexander L. Gaunt, Marc Brockschmidt, Sebastian Nowozin and Daniel Tarlow (2017) DEEPCODER: LEARNING TO WRITE PROGRAMS Published as a conference paper at ICLR 2017 （ 何 を 提案しているのか ？） プログラミング・コード を 導出する プログラム または、 プログラム を 書くプログラム を 構築 する 方法 を 提案している。
On the State of the Art of Evaluation in Neural Language Models
Ongoing innovations in recurrent neural network architectures have provided a steady influx of apparently state-of-the-art results on language modelling benchmarks. However, these have been evaluated using differing code bases and limited computational resources, which represent uncontrolled sources of experimental variation. We reevaluate several popular architectures and regularisation methods w
One Shot Learning with Siamese Networks in PyTorch | HackerNoon
Too Long; Didn't Read<span>D</span>eep neural networks are the go to algorithm when it comes to image classification. This is partly because they can have arbitrarily large number of trainable parameters. However, this comes at a cost of requiring a large amount of data, which is sometimes not available. I will discuss One Shot <a href="https://hackernoon.com/tagged/learning" target="_blank">Learn
深層強化学習の動向 / survey of deep reinforcement learning
全脳アーキテクチャ若手の会第28回勉強会 Keywords: DQN, 強化学習, Episodic Control, Curiosity-driven Exploration
ICLR2017読み会を開催しました | BLOG - DeNA Engineering
はじめに こんにちは、AIシステム部の内田(@yu4u)です。 大分時間が経ってしまいましたが、先日、深層学習に関する論文が多数発表された国際学術会議、International Conference on Learning Representations (ICLR'17) の論文読み会をSakuraカフェにて開催したのでその報告です。 ICLRは、オープンレビューを採用しているので、リジェクトされたものも含め全ての論文およびレビューを読むことができるので、こういう読み会には丁度良いかもしれません。 ICLR'17ウェブサイト オープンレビューサイト 読み会のConnpass 読み会のTogetter 当日の様子 懇親会の様子 背景 私自身はコンピュータビジョンが専門ですが、その中で利用するニューラルネットのモデルやその学習方法、モデル圧縮等に興味があり、ICLRの論文は良く読んでいまし
深層強化学習の動向 / survey of deep reinforcement learning
全脳アーキテクチャ若手の会第28回勉強会 Keywords: DQN, 強化学習, Episodic Control, Curiosity-driven Exploration
ディープラーニング・人工知能概論 | Webマーケティング・リレーセミナー
第37回目のウェブマーケティングリレーセミナーのテーマは、最近なにかと話題の「ディープラーニング」。先日、AlphaGoが世界最強棋士に三連勝して、異次元の強さを見せましたが、あれもディープラーニングがもたらしたもの。世の中には人工知能に関するたくさんの情報が出回っていますが、まだまだ仕事として取り組んではいないという人のために、株式会社情報医療 CTOの巣籠様をお迎えし、「ディープラーニング 人工知能概論」として、基礎からビジネスに応用するための考え方などまでレクチャーしていただきました。 （左から）モデレーター 小川卓様、株式会社情報医療 CTO 巣籠 悠輔 様、HoloEyes株式会社 代表取締役/CEO 谷口 直嗣 様、主催・司会 原田 セミナーレポート 講義は、巣篭様の自己紹介からスタート。巣籠様は、Gunosy、READYFOR の創業メンバーとして、エンジニアリング、デザイン
（調査） 自然言語文（和文や英文） の 構文解析・依存解析・照応解析、固有表現抽出 を ディープラーニング で 行う 手法 - Qiita
Deep Learning で 行う 自然言語文 の 文構造解析 構文解析器（Parser） を 使わず に、深層ニューラルネットワークを 用いて、英文や和文の文章 を、木構造の構文解析グラフ に 変換する 手法 複数の文 に またがる 文章 で、後続の文に出現する指示代名詞 が、前のどの文 の どの名詞 を 指すのか を 解析する 照応解析 を 深層ニューラルネットワーク で 行う 手法 が、提案されています。 これら、構文解析 や 依存解析、照応解析 を 深層ニューラルネットワークモデル で 行う研究 は、あまり、主題的に取り上げられていない 印象 を 受けます。 そこで本記事では、これらの論文を取り上げて、深層ニューラルネットワークモデルのトポロジー構造 と パフォーマンスの検証結果 を 紹介していきます。 さらに、固有表現抽出 を 深層NN で 行う 手法 や、文章で記述されている
Simple Convolutional Neural Network for Genomic Variant Calling with TensorFlow
AI/Machine Learning in Biotech StartupsNo doubt that the fast development of recent progress using deep neural network has change the way that we can solve various problem from image recognition to genomics. Many startups (Viome/CZ Biohub/Deep Genomics) has emphasize using “AI/machine learning” for their research and product. Other relative “big” biotech startups in Silicon Valley, e.g., Verily, C
Lua版 ゼロから作るDeep Learning その１３［ニューラルネットワークに関する勾配］ - Qiita
--Copyright (C) 2017 Kazuki Nakamae --Released under MIT License --license available in LICENSE file common = require './common' --- simpleNetクラス（オブジェクト） -- 単純なニューラルネットワークを生成する -- @param isConstW 重みを固定 {Type:Bool} simpleNet={} simpleNet.new = function(isConstW) local obj={} --メンバ変数 if isConstW then --原書で紹介されている重みを使用 obj.W = torch.Tensor({{0.47355232, 0.9977393, 0.84668094}, {0.85557411, 0.03563661
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
tf.nn.dynamic_rnnでDynamic Recurrent Neural Network - Qiita
TechCrunch | Startup and Technology News
Techable（テッカブル） - サイト閉鎖のお知らせ
Science | AAAS