ディープラーニングを用いた自然言語処理の今と、ビジネス面でのネガティブな事実
2018年4月20日、Deep Learning Labが主催するイベント「音声・言語ナイト」が開催されました。Chainerを提供するPreferred Networksと、Azureクラウドを提供するMicrosoftによる、エンジニアコミュニティDeep Learning Lab。今回は、自然言語処理や合成音声など、音声・言語×深層学習（ディープラーニング）の最新事例や知見を発表しました。プレゼンテーション「深層学習時代の自然言語処理ビジネス」に登場したのは、株式会社Preferred Networksの海野裕也氏。ディープラーニングによる自然言語処理技術の最前線と、ビジネスへの転用可能性について語りました。 自然言語処理の活かし方 海野裕也氏（以下、海野）：では、お話を始めさせていただきたいと思います。Preferred Networksの海野と申します。 今日は「自然言語処理の話
Deep Learningによる超解像の進歩
[DL輪読会]data2vec: A General Framework for Self-supervised Learning in Speech,...
GoodfellowさんのGANのオススメ論文10選まとめ (2018/02) - ディープラーニング東京
GANの作者のGoodfellowさんがおすすめの10論文を教えていたので、みてみます。 GANの作者であるGoodfellow がGANの論文たくさんあって何から追えばいいかわからない人向けに10個の論文を推薦しています。理論、符号化、差分プライバシー、高精細、多クラス、条件付けなど https://t.co/M3DhTqQbOL— Daisuke Okanohara (@hillbig) February 27, 2018 Does someone have a list like the 10 or even 20 GAN related papers I should read this year or something like this? I can't keep up. @goodfellow_ian ?— Timnit Gebru (@timnitGebru) Febru
マイクロソフト、FPGAを用いたAI処理基盤「Project Brainwave」開発者向けプレビューを発表。GoogleのTPUより高性能と。Build 2018
マイクロソフト、FPGAを用いたAI処理基盤「Project Brainwave」開発者向けプレビューを発表。GoogleのTPUより高性能と。Build 2018 Project Brainwaveは、インテルのFPGAを用いたリアルタイムAI処理基盤。 FPGAとはチップ内部のロジックをソフトウェアによってあとから自由に書き換えられるLSIの一種です。ロジックを書き換えることで、特定の処理を汎用LSIよりも非常に高速に処理できるようになります。 Project Brainwaveは、このFPGAの機能を活かして高速にAI処理を実行できるようにしたもの。 マイクロソフトCEO サティア・ナデラ氏は、リアルタイムAI処理においてProject Brainwaveの性能はGoogleが開発したAI処理専用のプロセッサであるTPUを上回ると主張しました。 「これ（Project Brainwa
【記事更新】私のブックマーク「機械学習における解釈性（Interpretability in Machine Learning）」 | 人工知能学会 (The Japanese Society for Artificial Intelligence)
Home » リソース » 私のブックマーク » 【記事更新】私のブックマーク「機械学習における解釈性（Interpretability in Machine Learning）」 機械学習における解釈性 (Interpretability in Machine Learning)原 聡（大阪大学産業科学研究所） はじめに近年の人工知能技術、特に機械学習の発展に伴い、これらの技術への社会的な期待が高まっている。 しかし、このような期待の高まりと同時にこれら技術への不安も高まっている。 特に、深層学習モデルを初めとする機械学習モデルが複雑なブラックボックスであるがゆえに安易に信頼できないとする懸念の声が上がり初めている。 これに対し、総務省はAIの利用の一層の増進とそれに伴うリスクの抑制のために「AI開発ガイドライン案」[1]を2017年に策定した。 このガイドライン案では、上記のような懸念
教師なし学習は機械翻訳に魔法をかけるか？ - ディープラーニングブログ
つい先週，機械翻訳で驚くべき進展がありました． 教師なし機械翻訳がヤバい進化を遂げててびっくりした．たった半年でBLEUスコアを15から25に改善したのブレイクスルーでは？https://t.co/SVQlYYu2Pt 教師なし学習でこのクオリティの機械翻訳できるのまじで感動するし，ちょっと語っていい？ pic.twitter.com/fBllGtTkgb— Ryobot | りょぼっと (@_Ryobot) 2018年4月23日 要約すると教師なし学習でもひと昔前の教師あり学習の機械翻訳に匹敵する性能を獲得できたというのです．この記事では機械翻訳を知らない初心者にもわかるように魔法のような教師なし機械翻訳の仕組みを説明したいと思います． 教師あり学習の限界 機械翻訳はディープラーニングを適用することで急激に進歩した分野の１つだと思います．Google 翻訳はニューラル機械翻訳を導入するこ
ニューラルネットの共通フォーマット対決！ NNEF vs ONNX - Fixstars Tech Blog /proc/cpuinfo
このブログは、株式会社フィックスターズのエンジニアが、あらゆるテーマについて自由に書いているブログです。 遠藤です。 ニューラルネット界隈では、Caffe、TensorFlow、Chainer をはじめ、数々のフレームワークが群雄割拠の様相を呈しております。弊社でも、プロジェクトに応じて適宜フレームワークを使い分け、日々の業務にあたっております。 多数のフレームワークを扱っていると「あっちのフレームワークで学習したモデルを、こっちのフレームワークで使いたい！」といった、フレームワーク間をまたいでモデルを共有したいというニーズが出てきます。そのために、フレームワーク間で共通して使える交換フォーマットが開発されるようになりました。 そこで、今回はニューラルネットの共通フォーマットとして NNEF と ONNX の2つをご紹介したいと思います。 NNEF とは？ 概要 NNEF – Neural
PythonとKerasを使ってAlphaZero AIを自作する | POSTD
自己対戦と深層学習でマシンにコネクトフォー（Connect4：四目並べ）の戦略を学習させましょう。 この記事では次の3つの話をします。 AlphaZeroが人工知能（AI）への大きなステップである2つの理由 AlphaZeroの方法論のレプリカを 作って コネクト4のゲームをプレイさせる方法 そのレプリカを改良して他のゲームをプラグインする方法 AlphaGo→AlphaGo Zero→AlphaZero 2016年3月、DeepmindのAlphaGo（アルファ碁）が、囲碁の18回の世界王者、李世乭（イー・セドル）との五番勝負で、2億人の見守る中、4-1で勝利しました。機械が超人的な囲碁の技を学習したのです。不可能だとか、少なくとも10年間は達成できないと思われていた偉業です。 AlphaGo 対 李世乭の第3局 このことだけでも驚くべき功績ですが、DeepMindは、2017年10月、
ラーメン二郎とブランド品で AutoML Vision の認識性能を試す | Google Cloud 公式ブログ
この投稿は米国時間 3 月 26 日に投稿されたもの（投稿はこちら）の抄訳です。 Posted by Google Cloud デベロッパー アドボケイト 佐藤一憲 この 3 つのラーメンは、41 店舗あるラーメン二郎のうち 3 店舗で作られたものです。それぞれ、どの店舗で出されたものか分かりますか？ データ サイエンティストの土井賢治さんが作成した機械学習（ML）によるラーメン識別器を使えば、それぞれの微妙な盛り付けの違いを見分けることで、95% の精度で店舗を特定できます。 この写真を見ても分かるとおり、ラーメン二郎の相当コアなファンでもなければ、ラーメン画像から 41 店舗のどこで作られたかを見分けることは簡単ではありません。テーブルやどんぶりの色、形にあまり違いのない場合が多いのです。 土井さんは、ディープ ラーニングを使ってこの問題を解けるか興味を持ち、インターネット上から 48
AI for Drug Discovery in Two Stories
Post by Pande Lab member Evan N. Feinberg TL;DR: Today, we are excited to share two papers that tell distinct stories about AI drug discovery:1. “Spatial Graph Convolutions for Drug Discovery” describes new deep neural network architectures for modeling drug-receptor interactions. We argue that the future of predicting the interactions between a drug and its prospective target demands more than si
異常検知ナイト（エンジニア向け）
異常検知ナイト！ 2017年頂戴した技術的質問の中でとても多かったものが、異常検知でございました。懇親会で研究者が質問攻めに会い、懇親会が終われない！ということもございました。異常検知の問題をいかに解くかは情報も限られ、教師無し学習、元になるデータ補正、等々様々な難しさがあります。しかし、やりたい人が多い。それならば、一線の研究者、エンジニアを集めて、異常検知問題を如何に解くか情報を共有する会を開催することにしました。Deep Learning Lab 初のエンジニア向けイベントです。 ＜アンケートにご協力ください＞ ご視聴いただいた皆様からのご意見・ご要望をぜひお聞かせください！ アンケートサイトはこちら： http://aka.ms/dllab-survey/
深層学習による非滑らかな関数の推定
1. The document presents a method for deep learning using variational autoencoders that model the relationship between pairs of data points (x1, x2). 2. It introduces variables to represent latent vectors z and z~ that are used to generate x1 and x2, as well as a subset S of dimensions that relate x1 and x2. 3. The method works by training an encoder qφ(z|x) to approximate a prior p(z) and maximiz
【秒速で無料GPUを使う】TensorFow(Keras)/PyTorch/Chainer環境構築 on Colaboratory - Qiita
【秒速で無料GPUを使う】TensorFow(Keras)/PyTorch/Chainer環境構築 on ColaboratoryDeepLearningChainerTensorFlowPyTorchcolaboratory 2019/5/11 PR: こちらの内容を含め、2019年5月11日発刊の 図解速習DEEP LEARNINGという本ができました。[2019年5月版] 機械学習・深層学習を学び、トレンドを追うためのリンク150選 - Qiitaでも、一部内容をご覧いただけます 19/1/11 18年1月の公開後、TensorFlow本体にKeras統合、Chainerがデフォルトで提供となるなど、状況が変化したため、大幅に加筆しました。TensorFlow 2.0 Previewについても追記しました。 19/1/31 PyTorchが標準インストールとなったこと、PyTorch
Google Colaboratoryが便利・高速で凄過ぎる - Itsukaraの日記
Googleが研究の一環で提供しているColaboratoryを試してみました。 Jupyterと同じようなGUIでPythonのプログラムを実行可能で、GPUも使えます。 Jupyterと同様に、先頭に「!」を書くことで、Linuxのコマンドを実行可能であり、「!pip」「!conda」「!apt-get」などで機能を追加できます。 実行結果をファイルシステム上に保管でき、共有リンクを使って取り出せます。 ただし、12時間経過すると強制終了されて、ファイルは失われます。 しかし、Notebookが動いている仮想マシンにGoogleドライブをマウント可能であり、これにより、実行結果をGoogleドライブ上のファイルとして保管できます。 Deep Learningでは、途中の状態をファイルに保管して、そこからResumeできるようにプログラムを書くことが多いので、12時間で一度強制終了しても
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
Noise2Noise: Learning Image Restoration without Clean Data を読んでみた
Fast Numerical Computing and Deep Learning in Ruby with Cumo
GitHub - cchen156/Learning-to-See-in-the-Dark: Learning to See in the Dark. CVPR 2018
[DL輪読会]Deep Neural Networks as Gaussian Processes![[DL輪読会]Deep Neural Networks as Gaussian Processes](https://cdn-ak-scissors.b.st-hatena.com/image/square/99c9caff695a1aa5e09afe5030ed78abaa8bc4eb/height=288;version=1;width=512/https%3A%2F%2Fcdn.slidesharecdn.com%2Fss_thumbnails%2Fdl0216okamoto2162-180323031830-thumbnail.jpg%3Fwidth%3D640%26height%3D640%26fit%3Dbounds)
GitHub - NVIDIA/FastPhotoStyle: Style transfer, deep learning, feature transform
Posit
