科学と機械学習のあいだ：変量の設計・変換・選択・交互作用・線形性
機械学習はそもそも汎用的な枠組みであり基本的には対象分野に依らず利活用できる。従って、分野を限定して物質科学に機械学習を活用するなどと言う場合、その本質的難所の大部分は、有効な変量の設計・変換・選択・交互作用・線形性などに関する、いわゆるfeature engineeringの問題に帰する。特に、科学研究では端的な説明因子や共通パターンの探究こそが目的であることが多く、その場しのぎではない方法論が期待されている。本発表では、医薬品、機能制御剤、有機EL材料、食品、化粧品、と波及範囲が広い有機低分子について、その物性の予測と生物活性の予測の違いを例に、関わってきた問題・方法・課題について紹介する。 http://ibisml.org/ibis2016/session3/Read less
Deep Learning技術の今
2. ⾃自⼰己紹介 l 得居 誠也 (Seiya Tokui) 株式会社Preferred Infrastructure, Jubatus Pj. リサーチャー l 専⾨門は機械学習（修⼠士、現職） l – 系列列ラベリング→ハッシュ・近傍探索索→深層学習 l 今の興味は深層学習、表現学習、分散学習、映像解析 l @beam2d (Twitter, Github, etc.) 2 / 47 3. 2011年年: ⾳音声認識識における成功 l l 3 / 47 DNN-‐‑‒HMM を使った⼿手法が、⾳音声認識識の word error rate で従来 法 (GMM) より 10% 前後も改善 携帯端末における⾳音声操作に Deep Learning が利利⽤用されるように F. Seide, G. Li and D. Yu.
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
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
論文紹介:Practical bayesian optimization of machine learning algorithms(nips2012)
