CVPR2015読み会 "Joint Tracking and Segmentation of Multiple Targets" 第30回(前編) コンピュータビジョン勉強会@関東 http://kantocv.connpass.com/event/16586/ CVPR2015読み会発表資料 "Joint Tracking and Segmentation of Multiple Targets"
![Lispmeetup #39 MGLの紹介: Common Lispによるディープラーニング](https://cdn-ak-scissors.b.st-hatena.com/image/square/292e01ccdf4f4f376ffc1be26ede3abee04140b4/height=288;version=1;width=512/https%3A%2F%2Fcdn.slidesharecdn.com%2Fss_thumbnails%2Flispmeetup39-mgl-160428120929-thumbnail.jpg%3Fwidth%3D640%26height%3D640%26fit%3Dbounds)
はじめに pythonでCNNを実装しました. 深層学習ライブラリは使用せず,numpyだけで実装しました. 教科書として『深層学習』を使いました. 本記事の構成 はじめに CNN 畳込み層 プーリング層 学習 重みの更新 誤差逆伝播 pythonでの実装 畳込み層の実装 プーリング層の実装 MNISTデータセットでの実験 学習 結果 おわりに CNNとは,畳込み演算を用いた順伝播型ネットワークであり,主に画像認識に応用されています. 一般的なニューラルネットワークは,隣接層のユニットが全結合されたものですが, CNNは,隣接層間の特定のユニットのみが結合した特別な層を持ちます. これらの特殊な層では,畳込み および プーリング という演算を行います. 以下では,畳込みとプーリングについて説明します. 畳込み層 畳込みは,画像にフィルタの対応する画素同士の積をとり,その総和をとる演算です.
昨今の機械学習界隈では何故かPythonやRのライブラリが多いのだが、Common Lispも高速なネイティブコンパイラを持ち、C/C++のライブラリも呼べるので、機械学習にも問題なく使える。 実際にCommon Lispで実装された深層学習を可能とするライブラリにMGLがあり、GithubでMITライセンスで公開されている。そんなわけで、先月のLispmeetup #39でMGLを紹介してきた。これがそのときのスライド。 Lispmeetup #39 MGLの紹介: Common Lispによるディープラーニング from Satoshi imai MGLの作者Gábor Melis氏はKaggleの2014年の機械学習コンペHiggs Boson Machine Learning Challengeの優勝者で、今はDeepMindにいるらしい。このコンペのコードが公開されているが、MG
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
処理を実行中です
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