Amazon.co.jp: 深層学習 Deep Learning (監修:人工知能学会): 麻生英樹 (著), 安田宗樹 (著), 前田新一 (著), 岡野原大輔 (著), 岡谷貴之 (著), 久保陽太郎 (著), ボレガラダヌシカ (著), 人工知能学会 (監修), 神嶌敏弘 (編集): 本
Why does deep and cheap learning work so well?
We show how the success of deep learning could depend not only on mathematics but also on physics: although well-known mathematical theorems guarantee that neural networks can approximate arbitrary functions well, the class of functions of practical interest can frequently be approximated through "cheap learning" with exponentially fewer parameters than generic ones. We explore how properties freq
DeepLearning(1): まずは順伝播(上) - Qiita
DeepLearning(1): まずは順伝播(上) [DeepLearning(2): まずは順伝播(下)] (http://qiita.com/eijian/items/24d7e6aee332d59509ec) DeepLearning(3): そして逆伝播（でも全結合層まで） DeepLearning(4): CNNの逆伝播完成？ DeepLearning(5): スペースリーク解消! さて、今回からは新たなネタとしてDeepLearningに取り組もう。DeepLearningといえばすでにブームは去って、今は現実の課題にどんどん活用されている状況だ。使いやすく性能のいいツールやライブラリがいろいろあり、ちょっと学べば簡単にその恩恵に与ることができる（かもしれない）。 しかし、仕組みがわからないのをただ使うのは面白くないし個人的に写真の自動分類をしたいというニーズもあるし、遅まき
GitHub - PaddlePaddle/Paddle: PArallel Distributed Deep LEarning: Machine Learning Framework from Industrial Practice （『飞桨』核心框架，深度学习&机器学习高性能单机、分布式训练和跨平台部署）
English | 简体中文 | 日本語 Welcome to the PaddlePaddle GitHub. PaddlePaddle, as the first independent R&D deep learning platform in China, has been officially open-sourced to professional communities since 2016. It is an industrial platform with advanced technologies and rich features that cover core deep learning frameworks, basic model libraries, end-to-end development kits, tools & components as well
An Intuitive Explanation of Convolutional Neural Networks
What are Convolutional Neural Networks and why are they important? Convolutional Neural Networks (ConvNets or CNNs) are a category of Neural Networks that have proven very effective in areas such as image recognition and classification. ConvNets have been successful in identifying faces, objects and traffic signs apart from powering vision in robots and self driving cars. Figure 1: Source [1] In F
Machine Learning is Fun Part 5: Language Translation with Deep Learning and the Magic of Sequences
Update: This article is part of a series. Check out the full series: Part 1, Part 2, Part 3, Part 4, Part 5, Part 6, Part 7 and Part 8! You can also read this article in 普通话, Русский, 한국어, Tiếng Việt, فارسی or Italiano. Giant update: I’ve written a new book based on these articles! It not only expands and updates all my articles, but it has tons of brand new content and lots of hands-on coding pro
GitHub - david-gpu/srez: Image super-resolution through deep learning
Image super-resolution through deep learning. This project uses deep learning to upscale 16x16 images by a 4x factor. The resulting 64x64 images display sharp features that are plausible based on the dataset that was used to train the neural net. Here's an random, non cherry-picked, example of what this network can do. From left to right, the first column is the 16x16 input image, the second one i
ディープラーニング技術を企業向けに提供するLeapMindが総額約3億4000万円を資金調達 - BRIDGE（ブリッジ）
ディープラーニング技術を活用した企業向けのソリューションを提供するLeapMindが、伊藤忠テクノロジーベンチャーズ、 Visionnaire Ventures Fund、 アーキタイプベンチャーズを引受先とした総額約3億4000万円の第三者割当増資を実施した。 LeapMindは、ディープラーニング技術を活用したシステムソリューション提供、大手企業や大学との共同研究・開発を行ってきた。 同社は、計算やネットワークの圧縮、最適化など小さいコンピューティング環境でも稼働する技術を保有。硬貨サイズのCPU環境でもディープラーニング環境を動かすほどコンパクト化することで、IoTやロボットへの技術適用を可能にすることを目指している。 LeapMindは、「Black Star」と呼ばれる外付けの超小型Deep Learning計算機を開発。現在開発中のプラットフォーム「Juiz Platform」
Google Brain Robotics Data
Learning Hand-Eye Coordination for Robotic Grasping with Deep Learning and Large-Scale Data Collection Sergey Levine, Peter Pastor, Alex Krizhevsky, Deirdre Quillen ISER, 2016. [blog post] [arXiv] [PDF] Unsupervised Learning for Physical Interaction through Video Prediction Chelsea Finn, Ian Goodfellow, Sergey Levine NIPS, 2016. [arXiv] [PDF] Video Prediction with Neural Advection (github tensorfl
Neural Style Transfer: Prismaの背景技術を解説する
写真をピカソやゴッホのようなスタイルに変換できるアプリPrismaが話題になりました。多くの人は、ディープラーニングが使われているかどうかとは関係なく、純粋にアプリを楽しんでいるのだと思います。 このようにディープラーニングを使った人気アプリが出てくるということは非常に良いことではないかと思います。今回は、Prismaの背景技術（と思われるもの）を解説していきます。 目次 基礎理論 実装 改善 高速化 まとめ 基礎理論 ディープラーニングを使ったアート系の論文は色々と出ていますが、一番基礎となる論文はGatys et al. 2016ではないかと思います。プレプリント版は2015年8月に出ています。 この論文は記事として取り上げられて話題になっていたりもしたので、知っている人も多いのではないかと思います。この章では、スタイル変換の基礎となるこの論文を解説していきます。 Gatys et a
'Neural network' spotted deep inside Samsung's Galaxy S7 silicon brain
'Neural network' spotted deep inside Samsung's Galaxy S7 silicon brain Hot Chips Samsung has revealed the blueprints to its mystery M1 processor cores at the heart of its S7 and S7 Edge smartphones. International versions of the top-end Android mobiles, which went on sale in March, sport a 14nm FinFET Exynos 8890 system-on-chip that has four standard 1.6GHz ARM Cortex-A53 cores and four M1 cores r
Visualizing and understanding convolutional networks. - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? About Zeiler, M. D., & Fergus, R. (2014). Visualizing and understanding convolutional networks. In Computer Vision–ECCV 2014 (pp. 818-833). Springer International Publishing. Abstract Deep Learningといえば Krizhevsky で、画像クラス分類において素晴らしい結果を出した ただ、なぜDeep Learningがうまくいくのか、どう改善して
講義まとめ：自然言語処理のための深層学習（CS224d） - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? CS224d(自然言語処理のための深層学習)はスタンフォード大のRichard Socherが2015年から教えている講義で、動画やスライドなどの講義資料と演習問題がウェブ上で無料で公開されています。 [CS224d: Deep Learning for Natural Language Processing] (http://cs224d.stanford.edu/) 会社の勉強会で週1回半年程度かけて講義動画と演習を終えたため、勉強したことを簡単にまとめてみたいと思います。 なぜ今なのか？ 深層学習（Deep Learning）は2
Convolutional Neural Networkを使ったもう1つのスタイル変換手法 - Qiita
画像提供元: コンテンツ画像: 写真画像ぱくたそ 油彩のスタイル画像: chainer-goghのリポジトリ ペン画のスタイル画像: Alice-in-wonderland.net 概要 MRFを使ったスタイル変換では以下のような画像を生成します。 内容がコンテンツ画像に近い 局所的なスタイルが、スタイル画像の局所的にスタイルに近い Neural-styleが画像全体のスタイルをスタイル画像に近づけるのに対し、MRFでは局所的なスタイルをスタイル画像に近づけるという違いがあります。 既存の実装 Torch実装: https://github.com/chuanli11/CNNMRF アルゴリズム タイトルに"Markov Random Field (MRF, マルコフ確率場)"が入っていますが、MRFはアルゴリズムの肝ではないので説明は割愛させていただきます。 入力と出力 コンテンツ画像と
Grokking Deep Learning - Andrew W. Trask
pro $24.99 per month access to all Manning books, MEAPs, liveVideos, liveProjects, and audiobooks! choose one free eBook per month to keep exclusive 50% discount on all purchases renews monthly, pause or cancel renewal anytime lite $19.99 per month access to all Manning books, including MEAPs! team 5, 10 or 20 seats+ for your team - learn more
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
https://techcrunch.com/2016/08/30/drive-ai-uses-deep-learning-to-teach-self-driving-cars-and-to-give-them-a-voice/
Recurrent Neural Networkとは何か、他のニューラルネットワークと何が違うのか | AI専門ニュースメディア AINOW
Facebookの人工知能研究機関、画像解析処理技術のソースコードをGithubで公開 
GitHub - leriomaggio/deep-learning-keras-tensorflow: Introduction to Deep Neural Networks with Keras and Tensorflow
FPGA Based Deep Learning Accelerators Take on ASICs
