Competition: Diagnosing Heart Diseases with Deep Neural Networks - Jonas Degrave
The DICOM files also contained a bunch of metadata. Some of these metadata fields were absolutely invaluable to us. Examples include the PixelSpacing (which specifies the resolution of the image) and the ImageOrientation. The metadata also specified the patient’s age and sex. For each patient in the train set, two labels were provided: the systolic volume and the diastolic volume. From what we gat
TypeScript入門 – 機械学習の実装 2 Logistic Regression – Rest Term
前回はTypeScript入門ということで、TypeScriptで Denoising Autoencoders という種類のニューラルネットワークを作ったのと、AngularJSやAngular Materialの使い方を少し学ぶことができました。 TypeScript入門 – 機械学習の実装 1 Denoising Autoencoder このDenoising Autoencoderを構成要素として何層も積み重ねるとStacked Denoising Autoencoderとなり、Deep Learning(深層学習)とも呼ばれます。Denoising Autoencoderを実装してあれば、残りは出力層での教師有り学習で用いるロジスティック回帰やソフトマックス関数など小さな部品を作るだけです。実はそれとは別に、前回の記事の後に小規模なConvolutional Neural Net
ディープラーニングによって賢くなるGoogle製品ーーGoogle翻訳もより正確になるか - BRIDGE（ブリッジ）
上： 3月10日にサンフランシスコで開催された2016 Structure Dataカンファレンスにて、MIT Technology ReviewのTom Simonite氏と対談するGoogleのシニアフェローJeff Dean氏（左） Image Credit: Jordan Novet/VentureBeat 大量のデータでニューラルネットワークを鍛錬して新しいデータの予測を立てるディープラーニングと呼ばれる人工知能を活用した結果、Google製品はより賢くなった。Googleマップ、Googleフォト、Gmailなどがこの種の技術により改良されている。次に改良が期待されるサービスはGoogle翻訳である。 補足しておくと、Google翻訳の一部は「インスタントビジュアル翻訳」で既にディープラーニングを使用している。これは、スマホのカメラを翻訳したい単語にかざすと翻訳してくれる機能だ
第1回 IkaLog誕生前夜 | gihyo.jp
2015年5月に発売された大人気ゲームスプラトゥーン、皆さんはプレイしていますか？ 著者のまわりでは多くのコンピュータエンジニアが楽しんでいます。私は、スプラトゥーンの動画をリアルタイムに分析するソフトウェアIkaLogを開発し、オープンソースとして公開しています。本連載では、IkaLogの開発秘話（？）や画像認識に使っているアルゴリズム、開発の過程などについて紹介します。 今回は連載第1回目として、私（たち）がどのようなきっかけからIkaLogを開発し始めたのかを紹介し、次回以降では具体的にどのような検討を経てIkaLogが実装されてきたかを説明します。 スプラトゥーンとの出会い 私がスプラトゥーンというゲームを知ったのは、発売が数日後に迫った日にインターネット上でトレイラームービーを見かけたときでした。スプラトゥーンは、三人称視点（TPS）でプレイヤーのインクリング（イカ人間）を操作し
Deep Q-Learning (Space Invaders)
Ever since I learned about neural networks playing Atari games I wanted to reimplemnted it and learn how it works. Below you can see an AI playing Space Invaders. I trained it during my batch at Recurse Center on little over 50M frames. It is more awesome if you realize that the AI was trained in a similar way a human would learn: the only inputs are screen and number of gained (or lost) points af
Gneural Network - GNU Project - Free Software Foundation
This project has been decommissioned. This web page is kept here for historical purposes only. Introduction Gneural Network is the GNU package which implements a programmable neural network. The current version, 0.9.1, has the following features: A scripting language is available which allows users to define their own neural network without having to know anything about coding. Advanced programmer
Deep Learning Tokyo 2016 in東京 - パスマーケット
TOP › セミナー、ビジネス Deep Learning Tokyo 2016 2016/3/20(日) 13:20～2016/3/20(日) 19:00 イベント受付開始時間 2016/3/20(日) 12:50～ 東京ミッドタウンタワー11F（Yahoo! JAPAN本社） 2016/3/20 15:39 追加 14:30～17:00はミッドタウンタワー2F受付へのエスカレーターが停止しております。 遅れてご参加される場合は「ds-event-info@ml.yahoo-corp.jp」までご一報いただき、 ミッドタウンタワー1F、総合受付付近でお待ちください。係の者が伺います。 2016/2/25 20:04 追加 イベント概要 ======================================== Deep Learningに携わる実務者の方々、日頃からCaffeやCh
Learning Hand-Eye Coordination for Robotic Grasping with Deep Learning and Large-Scale Data Collection
We describe a learning-based approach to hand-eye coordination for robotic grasping from monocular images. To learn hand-eye coordination for grasping, we trained a large convolutional neural network to predict the probability that task-space motion of the gripper will result in successful grasps, using only monocular camera images and independently of camera calibration or the current robot pose.
論文輪読
A review of unsupervised feature learning and deep learning for time-series modeling 那須野 薫 2015年4月16日 東京大学松尾研究室 紹介する論文について • タイトル： – A review of unsupervised featu
論文輪読 A review of unsupervised feature learning and deep learning for time-series modeling 那須野 薫 2015年4月16日 東京大学松尾研究室 紹介する論文について • タイトル： – A review of unsupervised feature learning and deep learning for time-series modeling – 時系列モデリングのための教師なし表現学習とディープラー ニングに関する調査 • 著者： – Martin L., Lars K., Amy L. – Örebro University in Sweden • 被引用回数：12 • 引用件数：135 • 公開年：2014 2015年4月16日東京大学松尾研究室 那須野薫
Deep Learning for Monaural Source Separation
Monaural source separation is important for many real world applications. It is challenging in that, given only single channel information is available, there is an infinite number of solutions without proper constraints. In this paper, we explore joint optimization of masking functions and deep recurrent neural networks for monaural source separation tasks, including the monaural speech separatio
１枚の紙から切り出したペーパークラフト
취향저격한 구독 상품을 한눈에 모아보고 알림받는 내구독 북마크한 콘텐트와 내활동을 아카이빙하는 보관함 기억하고 싶은 문구를 스크랩하고 기록하는 하이라이트/메모 중앙일보 회원에게만 제공되는 스페셜 콘텐트
GitHub - alexjc/neural-doodle: Turn your two-bit doodles into fine artworks with deep neural networks, generate seamless textures from photos, transfer style from one image to another, perform example-based upscaling, but wait... there's more! (An impleme
Use a deep neural network to borrow the skills of real artists and turn your two-bit doodles into masterpieces! This project is an implementation of Semantic Style Transfer (Champandard, 2016), based on the Neural Patches algorithm (Li, 2016). Read more about the motivation in this in-depth article and watch this workflow video for inspiration. The doodle.py script generates a new image by using o
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://qiita.com/conjugate_box/items/a5efcbe7d9be977367b8
Feed Forward Pre-training for Recurrent Neural Network Language Models
GitHub - yenchenlin/DeepLearningFlappyBird: Flappy Bird hack using Deep Reinforcement Learning (Deep Q-learning).
How do I derive the back-propagation algorithm in Convolutional Neural Network?
Xilinx Invests in Neural Network Startup - EE Times
A Latent Variable Recurrent Neural Network for Discourse Relation Language Models
Man Combines Random People’s Photos Using Neural Networks And The Results Are Amazing
Hadoop, Spark, Deep Learning Mesh on Single GPU Cluster
