Domain Adaptationについてこれまでの発展と動向をまとめたサーベイ資料です。Adversarial Learning(敵対学習)が用いられたり、セマンティックな情報を保持するためにReconstruction-LOSSが導入されたり、今年のICMLではクラス重心を用いた手法が提案されたりと、目覚ましい発展を続けています。
![深層学習の判断根拠を理解するための 研究とその意義 @PRMU 2017熊本](https://cdn-ak-scissors.b.st-hatena.com/image/square/5bd132c8408771b1618c8b2c4c63ce546f22845a/height=288;version=1;width=512/https%3A%2F%2Fcdn.slidesharecdn.com%2Fss_thumbnails%2Fprmu2017-171013040145-thumbnail.jpg%3Fwidth%3D640%26height%3D640%26fit%3Dbounds)
[DL輪読会]Diffusion-based Voice Conversion with Fast Maximum Likelihood Samplin...Deep Learning JP
この本↓に収録されている, Neural Networks: Tricks of the Trade - Springer Bengio先生の執筆されたChapter↓の、 Practical Recommendations for Gradient-Based Training of Deep Architectures - Springer 日本語によるまとめスライド Practical recommendations for gradient-based training of deep architectures from Koji Matsuda www.slideshare.net arXivには草稿がアップされている: [1206.5533] Practical recommendations for gradient-based training of deep archi
脳型計算機雑談会での資料です 1. 大きなNNの学習はなぜ一様に成功するか 2. 敵対的生成ネットワーク(GAN)の解析 3. seq2seqによる可変長情報の埋め込み 4. Ladder Networkの解析 Read less
cvpaper.challenge の メタサーベイ発表スライドです。 cvpaper.challengeはコンピュータビジョン分野の今を映し、トレンドを創り出す挑戦です。論文サマリ作成・アイディア考案・議論・実装・論文投稿に取り組み、凡ゆる知識を共有します。2020の目標は「トップ会議30+本投稿」することです。 http://xpaperchallenge.org/cv/
NVIDIA Deep Learning Dayでの講演内容です. ディープラーニングの最新の研究成果として強化学習によるロボットカーの制御,バラ積みロボットの認識,駐車場の検出,センサデータからの異常検知,画像生成を紹介しています。
2016 12/21 「数式がわからなくたってDeep Learningやってみたい!人集合- dots. DeepLearning部 発足!」で発表した資料です。
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