人工知能・機械学習・ディープラーニング関係の雑多なまとめ - karaage. [からあげ]
人工知能・機械学習・ディープラーニングの概要 最近話題の、人工知能とかディープラーニングとかの情報を雑にまとめてみることにしました。基本的に仕事ではなく、ほぼ自分の興味で調べたり試したりしているだけですので、あくまで趣味レベルの人がとっかかりだったり参考にすることを想定しています。 ちなみに人工知能、機械学習、ディープラーニングの関係は、大まかには以下の定義が一般的と私は思っています。 ここらへんは人によって、「人工知能 = ディープラーニング」だと言ったりする人もいるので注意です。人工知能というものの定義が曖昧なので仕方ないとは思いますが、「自分が得意な分野=人工知能」と言いたがる人が多いのでそこらへんは気をつけておくと良いと思います（主に仕事で騙されたりしないようにするために）。 そして、最近話題のディープラーニング、何がすごいのかと言うと、自分の理解は以下の通りです。 昔は、例えば画
![人工知能・機械学習・ディープラーニング関係の雑多なまとめ - karaage. [からあげ]](https://cdn-ak-scissors.b.st-hatena.com/image/square/fde666720817e5f5735d401c33dd0e7cefee7134/height=288;version=1;width=512/https%3A%2F%2Fcdn-ak.f.st-hatena.com%2Fimages%2Ffotolife%2Fk%2Fkaraage%2F20170625%2F20170625211117.jpg)
日本が機械学習パラダイスなのは情報大航海プロジェクトのおかげ - kuenishi's blog
人工知能じゃ〜これからはシンギュラリティじゃ〜と盛り上がっており、猫も杓子も深層学習で人工知能で人類皆失業などと楽しいお祭り、ぼくは嫌いじゃない。我々が生きていくためには金が必要なんだ。というわけで、ちょっと気になって調べたことがあったのでここに記録しておく。もしこれが知財や法曹方面の業界で有名な話だったらコンピュータエンジニアたち何やってんのという話ではある。 AIブームというやつが燃料になって日本は機械学習パラダイスだという記事が話題になっているが、これは平成21年の著作権法改正で追加された著作権法47の7のおかげである（ラッキー！） じゃあ、そもそもどうしてそんな条項ができてるの？ 調べてみたら情報大航海プロジェクトが深く関わっているようだよ？ちょっとは感謝したらどう？？ もともとこれが気になっていた。ので調べました。という話。 著作権法の47の7が、思いがけず今重要にって解説が散見
AI時代が到来！将棋も産業もこう激変する
コンテンツブロックが有効であることを検知しました。 このサイトを利用するには、コンテンツブロック機能（広告ブロック機能を持つ拡張機能等）を無効にしてページを再読み込みしてください。 ✕
羽生善治三冠、生存本能に縛られないAIは「創造的」たりうるか(1/6ページ)：nikkei BPnet 〈日経BPネット〉
旬な話題をビジネス、テクノロジー、トレンドなど多角的に解説。日経BP社のメディア横断ダイジェストです。 ビジネス nikkei BPnetの「愛され記事」 編集部が選んだ心に残る記事 デジタル 魅せる東京ゲームショウ2017 Windows 10をもっと快適に IT iPhone情報局 注目、カウントフリーSIM 夏タブレット＆モバイルノート ライフ 「別れ」の時 他人事ではない「熟年離婚」 健康的に、ダイエット 子供と過ごす夏休み テクノロジー 次世代通信規格「5G」を知る 好調SUBARUの秘密 最新技術で最良のポルシェ ロボット最新動向 環境 守ろう！「生物多様性」 ストップ！地球温暖化 台風・ゲリラ豪雨 建設 自治体研究「豊島区」 細野透が切り込む建築の世界 シティブランド・ランキング 復興ニッポン 医療 命を守る熱中症・暑さ対策 追悼・小林麻央さん 猛威を振るうノロウイルス 解決
ナイーブベイズを用いたブログ記事の自動分類 - 人工知能に関する断創録
カイ二乗値を用いた特徴選択（2010/6/25）の続きです。今まで使ってきた20 Newsgroupsというデータは英語文書でかつ元ネタがよく分からずあまり面白くなかったので、今回はこのブログ（人工知能に関する断想録）の記事を分類してみます。このブログの各記事には私の判断でカテゴリをつけています。たとえば、この記事は[機械学習][自然言語処理]です。カテゴリのリストはこのブログの左メニューにあります。この前、少し整理したので全部で18のカテゴリがあります。新しい記事を書いたとき自動でカテゴリを割り振ることはできるのでしょうか？ （注）プログラミング言語はPythonを使っています。シリーズもので以前作ったコードを再利用してるので検索で飛んできた人はナイーブベイズを用いたテキスト分類（2010/6/13）から順に読んでください。 はてなダイアリーデータのダウンロードと整形 まず、はてなダイア
人工知能プログラミングするなら Scala - 武蔵野日記
午前中は UT Cafe でまったり過ごす。構内にこういうカフェがあるのはいいなー。かなりお金を使ってしまいそうだが……。UT Cafe では残念ながら mobilepoint はつながらなかったので、Pocket Wifi でつなぐ。ちなみに東大の総合図書館の中では e-mobile がつながらなかったので、火曜日は図書館で少し作業したかったのにできなかった。速いのはいいのだが、使えるエリアが限定されているなぁ。 午後は東京電機大学理工学部にお邪魔する。キャンパスがどこか実はいまいち分かっていなかったのだが、池袋から東武東上線の急行で約50分、高坂もしくは北坂戸というのが最寄り駅になる。 スクールバスが高坂および北坂戸それぞれから10分間隔くらいでずっと出ているし、高坂駅からは路線バスも出ているので、スクールバス7分路線バス10分というのもそこまで不便ではない。歩くと40分くらいかかるら
パーセプトロン - 人工知能に関する断創録
今回は、4.1.7のパーセプトロンアルゴリズムを実装します。パーセプトロンは、2クラスの識別モデルで、識別関数は式（4.52）です。 パーセプトロンは、下の条件を満たすような重みベクトルwを学習します。教師信号は、クラス1のとき教師信号+1、クラス2のとき-1（0じゃない）なので注意。 上の条件をまとめるとxnが正しく分類されているときは、 を満たします。この条件はあとでプログラム中で使います。パーセプトロンは、正しく分類されているパターンに対してはペナルティ0を割り当て、誤分類されたパターンにペナルティ を割り当てます。上の式の値はxnが誤分類されたデータの場合、必ず正になるので注意。なのでパーセプトロンの誤差関数（パーセプトロン基準）は、 で与えられます。ここで、Mは誤分類されたパターンの集合です。この誤差関数は誤分類のパターンが多いほど値が大きくなるので誤差関数を最小化するようなwを
フィッシャーの線形判別 - 人工知能に関する断創録
今回は、4.1.4のフィッシャーの線形判別を試してみました。これは、他の手法と少し毛色が違う感じがします。まず、D次元の入力ベクトルxを（4.20）で1次元ベクトル（スカラー）に射影します。ベクトル同士の内積なので結果はスカラーで、wはxを射影する方向を表します。 フィッシャーの線形判別は、射影後のデータの分離度をもっとも大きくするようなデータの射影方向wを見つけるという手法だそうです。 クラス1のデータ集合C1の平均ベクトルとクラス2のデータ集合C2の平均ベクトル（4.21）をw上へ射影したクラス間平均の分離度（4.22）を最大にするwを選択するのが1つめのポイントのようです。式（4.22）の左辺はスカラーです（フォントの違いがわかりにくい）。 wは単位長であるという制約のもとで（4.22）を最大化するようにラグランジュ未定乗数法で解くと、 という解が得られます（演習4.4）。これは、ベ
分類における最小二乗 - 人工知能に関する断創録
4.1節は、データから識別関数を直接的に構成するアプローチとして、 最小二乗法 フィッシャーの線形判別 パーセプトロン が紹介されています。すべて線形識別モデルなので二次元なら直線、三次元なら平面、それ以上なら超平面で分離できる、つまり、線形分離可能なデータしか分類できない方法です。私が昔、機械学習を勉強していたときはこれがメインだったのでこっちのアプローチが一番自然な感じがして、ベイズ的なアプローチの方が新鮮に感じていました。 ここで出てくるパーセプトロンは、Rosenblattが提案したやつでMinskyとPapertに「線形分離しかできないじゃないか！」と批判されたアルゴリズムですね。線形分離不可能なデータにも対応できるRumelhartの多層パーセプトロンは5章のニューラルネットワークに、サポートベクトルマシン（SVM）は下巻の7章に出てくるようです 今回は、4.1.3の分類におけ
1
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
＆M[and M] | 朝日新聞デジタルマガジン＆[and]![＆M[and M] | 朝日新聞デジタルマガジン＆[and]](https://cdn-ak-scissors.b.st-hatena.com/image/square/9b14d5976a07936b14c25b0544f6ff4324963f50/height=288;version=1;width=512/https%3A%2F%2Fwww.asahicom.jp%2Fand%2Fwp-content%2Fthemes%2Fand%2Fassets%2Fimg%2Fogp%2Fogp_m.png)
羽生王座がにらむＡＩの世界：映像：日本経済新聞
将棋プロの「直観」解明＝脳の特定部位活発に―人工知能に応用も・理研など | ニコニコニュース