エンジニアでも出来るサービスのアイデアの出し方 - ainameの日記
以前にも書いたのだけど、今年頭ぐらいからコード書く以外のことが出来るようになりたいと思い始めて、休日とか平日夜にコード書くのやめたり、休みの日に積極的に家の外に出るようにしてみたりしていた。 最初、自分が食べるのが好きなので食に関するサービスを考えようと思って、TokyoWallkerとかおとなの週末などの雑誌の情報や、友人らの情報を元にいろいろ外食してみたり、会社の近くの上手いパスタ屋さんが出版してるパスタのレシピ本を買って実際に自分で作ってみたり、肉フェスとか唐揚げフェスとかタイフェスなどの食イベントに参加してみたりしてみて、それ自体はまぁ楽しかったのだけど、サービスを思いつくまでに至らず。食に関して何かやろうと思うのは一旦諦めて違う分野で考えだした。 新しいサービスを考えるために、自分以外に2名（どちらも会社の同期で、1人はエンジニア、もう1人は総合職）とチームを組んで一緒に案出しを
PIX-IE [INTEROP Tokyo 2014]:Geekなぺーじ
マルチホームを行いつつ、フルルートを受け取るための強力なBGPルータを運用するのが、これまでの教科書的なAS運用でした。 JPNICからAS割り当てを受ける条件として「複数の自律ネットワークとの間でBGPにより接続し、外部経路制御情報の交換を行うこと」とあることからも、複数ASとのマルチホームが基本とされていることがわかります。 マルチホームが必要ない場合には、ASの割り当てを受けてBGP運用を行うのではなく、インターネットプロバイダからIPアドレスブロックを受け取るという方法でした。 しかし、昨今は、上位ASをデフォルトルートとしつつ、シングルホームでBGP運用を行いたいというASが登場しています。 基本的な経路は全て上位ASに依存しつつも、非常に強く繋がりたいASとはピアリングを行いたいというニーズが増えているためです。 こういった背景を踏まえつつ、設計されているのがINTEROP T
共役勾配法によるニューラルネットのパラメータ推定 - 人工知能に関する断創録
Courseraの機械学習ネタの続き。前回は、ロジスティック回帰のパラメータ推定（2014/4/15）に共役勾配法（Conjugate Gradient: CG法）を使いました。今回はより複雑なニューラルネット（多層パーセプトロン）のパラメータ推定に共役勾配法を適用してみました。 以前、多層パーセプトロンで手書き数字認識の実験をしたとき（2014/2/1）は、共役勾配法ではなく、勾配降下法（Gradient Descent）を用いてパラメータの更新式を自分で書いていました。 self.weight1 -= learning_rate * np.dot(delta1.T, x) self.weight2 -= learning_rate * np.dot(delta2.T, z) 勾配降下法は、学習率（learning rate）を適切な値に設定しないと収束が遅い、発散するなど欠点があります
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
