機械学習で泣かないためのコード設計
28. 28 Appendix: API一覧(1/3) Model • constructor: モデルに必要な構成要素(隠れ層)などの定義 • forward(inference): constructorで定義した構成要素を利用し、入力を出 力にする(伝搬)プロセスを定義する。 • 学習中とそうでない場合で構成が変わる場合(Dropoutなど)、それを引数 に取る。※ここでlossを出さないこと(出してもいいが、outputもちゃんと 返す) ModelAPI • constructor: 最低限Modelのパスを取得し、読み込む • predict: 配列などの一般的な変数から、Modelを利用した予測値を返す 29. 29 Appendix: API一覧(2/3) Trainer • constructor: modelと学習に必要なパラメーターを受け取る。 DataProcess
Statistical Semantic入門 ~分布仮説からword2vecまで~
1. The document discusses various statistical and neural network-based models for representing words and modeling semantics, including LSI, PLSI, LDA, word2vec, and neural network language models. 2. These models represent words based on their distributional properties and contexts using techniques like matrix factorization, probabilistic modeling, and neural networks to learn vector representatio
いまさら聞けないグラフィカルモデル入門
5. どんなグラフィカルモデルがあるか？ マルコフ確率場 （Markov Random Field） ベイジアンネットワーク （Bayesian Network） ＊これらの下位モデルとして，有向木や無向木がある．また，無向リンクと 有向リンクの両方からなる連鎖グラフ（chain graph）というものもある． 無向グラフィカルグラフ 有向グラフィカルグラフ UGM: Undirected Graphical Model DGM: Directed Graphical Model 6. どんな応用があるか？ モデル 応用例 補足 マルコフ確率場 画像復元・修復， 領域分割，画像合成， ステレオ照合, etc. 画素ベースの手法が多い．画素間 の因果関係を決めることが難しい ため，矢印を引きにくい． ベイジアン ネットワーク 物体追跡， ジェスチャ認識, etc. 系列データに対する手法が多
Deep Learningの技術と未来
PFIセミナー2013年6月6日分です。Deep Learningの技術的基礎からBengioの怪しげな妄想まで。Read less
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
あなたの業務に機械学習を活用する5つのポイント
Spark MLlibではじめるスケーラブルな機械学習
「スプラトゥーン」リアルタイム画像解析ツール 「IkaLog」の裏側
Deep learning勉強会20121214ochi
階層ベイズによるワンToワンマーケティング入門