株式会社リクルート(c) Recruit Co., Ltd.
Decoupled Neural Interfaces using Synthetic Gradients
Training directed neural networks typically requires forward-propagating data through a computation graph, followed by backpropagating error signal, to produce weight updates. All layers, or more generally, modules, of the network are therefore locked, in the sense that they must wait for the remainder of the network to execute forwards and propagate error backwards before they can be updated. In
Rachel Thomas on Twitter: "15 min rule: when stuck, you HAVE to try on your own for 15 min; after 15 min, you HAVE to ask for help.- Brain AMA https://t.co/MS7FnjXoGH"
15 min rule: when stuck, you HAVE to try on your own for 15 min; after 15 min, you HAVE to ask for help.- Brain AMA https://t.co/MS7FnjXoGH
Time Series Prediction with Deep Learning in Keras - MachineLearningMastery.com
Time Series prediction is a difficult problem both to frame and address with machine learning. In this post, you will discover how to develop neural network models for time series prediction in Python using the Keras deep learning library. After reading this post, you will know: About the airline passengers univariate time series prediction problem How to phrase time series prediction as a regress
人工知能をビジネス活用する際の“覚悟と努力”とは？
国内の”知の最前線”から、変革の先の起こり得る未来を伝えるアスキーエキスパート。KDDI研究所の帆足啓一郎氏による人工知能についての最新動向をお届けします。 人工知能の技術の発展に関する華やかな話題が連日メディアを賑わしている。また、実際に「人工知能」の活用をうたうサービスを提供する大小さまざまな企業が登場している。この流れを受け、自社のビジネスにも人工知能が活用できるのではないか？と、考えている読者も多いだろう。確かに、人工知能はうまく利用すればあらゆる事業の助けになりえる技術である。しかし、有効活用するためには気をつけなければならないポイントも多い。そこで今回は、技術としての人工知能をきちんと活用するために、ユーザである人間にとって必要な心がけについて紹介したい。 深層学習というブレークスルー 人工知能に興味を持っている読者であれば、どこかで以下の動画を見たことがあるかもしれない。 P
Deep Learning学習処理の高速化技術を開発 : 富士通
English PRESS RELEASE （技術） 2016年8月9日 株式会社富士通研究所 Deep Learning学習処理の高速化技術を開発 「AlexNet」においてGPU1台と比較し64台の並列化で27倍となるなど、世界最高速度を実現 株式会社富士通研究所（注1）（以下、富士通研究所）は、スーパーコンピュータのソフトウェア並列化技術を応用し、複数のGPUを使ってDeep Learningの学習速度を高速化するソフトウェア技術を開発しました。 従来、Deep Learningの高速化手法において、GPUを搭載した複数のコンピュータをネットワークで結合した並列化では、10数台を超えるとコンピュータ間のデータ共有時間が増加するため、次第に並列化の効果が得られにくくなることが課題でした。今回、このデータ共有を効率よく行う並列化技術を新規に開発し、世界で広く利用されているオープンソースソ
Written Memories: Understanding, Deriving and Extending the LSTM - R2RT
When I was first introduced to Long Short-Term Memory networks (LSTMs), it was hard to look past their complexity. I didn’t understand why they were designed the way they were designed, just that they worked. It turns out that LSTMs can be understood, and that, despite their superficial complexity, LSTMs are actually based on a couple incredibly simple, even beautiful, insights into neural network
How to read: Character level deep learning
How to read: Character level deep learning UPDATE 30/03/2017: The repository code has been updated to tf 1.0 and keras 2.0! The repository will not be maintained any more. 2016, the year of the chat bots. Chat bots seem to be extremely popular these days, every other tech company is announcing some form of intelligent language interface. The truth is that language is everywhere, it’s the way we co
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
Grokking Deep Learning - i am trask
Generating Sequences With Recurrent Neural Network
ディープラーニング・深層学習を勉強する人におすすめの本など紹介 - Qiita
GitHub - daviddao/awesome-very-deep-learning: ♾A curated list of papers and code about very deep neural networks
TechCrunch | Startup and Technology News
GitHub - tiny-dnn/tiny-dnn: header only, dependency-free deep learning framework in C++14
Amazon.co.jp: ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装: 斎藤康毅: 本
Deep Learning のための Multi Layer Perceptron (数学的基礎から学ぶ Deep Learning with Python; MPS Yokohama Deep Learning Series) - Qiita
TechCrunch | Startup and Technology News
Deepdrive
Amazon.co.jp: Deep Learning Javaプログラミング 深層学習の理論と実装 (impress top gear): 巣籠悠輔: 本
Neural GitHub repo generator
