サポートベクトルマシンで MNIST 手書き数字データを分類する - y_uti のブログ
サポートベクトルマシン (SVM) を用いて、MNIST 手書き数字データの分類を試してみます。 SVM の実装は広く使われているものがいくつかありますが*1、今回は LIBSVM を利用します。LIBSVM は以下のウェブサイトから入手できます。 LIBSVM -- A Library for Support Vector Machines データの準備 まず、ダウンロードした圧縮ファイルを展開してビルドします。正常にビルドが終了すると、svm-scale, svm-train, svm-predict という 3 つの実行ファイルが生成されます。 $ tar zxf libsvm-3.18.tar.gz $ cd libsvm-3.18 $ make次に、MNIST 手書き数字データを LIBSVM の入力データ形式に変換します。テキスト形式に変換するところまでは、前回の記事 を参照し
「Splatoon 2」をディープラーニングで攻略してみなイカ？ 2018（前編） (1/3) - ITmedia NEWS
「Splatoon 2」をディープラーニングで攻略してみなイカ？ 2018（前編）（1/3 ページ） 2017年夏に発売された「Splatoon 2」（Nintendo Switch向け）は、いわずと知れた人気シューティング対戦ゲームです。ゲームに勝つためには、インクを用いて敵チームのプレイヤーを倒したりステージの床を塗ったり、さまざまな要素を考慮する必要があります。発売後も、定期的にステージやブキの追加、新ルールの登場、ゲームバランスの微調整などがあり、とるべき戦略は日々変化し、今なおユーザーの熱狂が続いています。一方、熱中しすぎたユーザーの間では、負けが続くと「コントローラー投げた」「編成事故」「デボン改修はよ」（※）などと嘆く声も出ています。 （※）「編成事故」は、味方チーム4人のブキの組み合わせが悪いこと。「デボン改修はよ」は、「デボン海洋博物館」というステージの構成変更を望む声の
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
画像認識モデルを作るための鉄板レシピ
