ニューラルネットの逆襲 - Preferred Networks Research & Development
岡野原です。Deep Learningが各分野のコンペティションで優勝し話題になっています。Deep Learningは7、8段と深いニューラルネットを使う学習手法です。すでに、画像認識、音声認識、最も最近では化合物の活性予測で優勝したり、既存データ・セットでの最高精度を達成しています。以下に幾つか例をあげます。 画像認識 LSVRC 2012 [html] 優勝チームスライド [pdf], まとめスライド[pdf] Googleによる巨大なNeuralNetを利用した画像認識（猫認識として有名）[paper][slide][日本語解説] また、各分野のトップカンファレンスでDeep Learningのチュートリアルが行われ、サーベイ論文もいくつか出ました。おそらく来年以降こうした話が増えてくることが考えられます。 ICML 2012 [pdf] ACL 2012 [pdf] CVPR
ニューラルネットの逆襲から５年後 | Preferred Research
私が2012年にニューラルネットの逆襲（当時のコメント）というのをブログに書いてからちょうど5年が経ちました。当時はまだDeep Learningという言葉が広まっておらず、AIという言葉を使うのが憚られるような時代でした。私達が、Preferred Networks（PFN）を立ち上げIoT、AIにフォーカスするのはそれから1年半後のことです。 この5年を振り返る良いタイミングだと思うので考えてみたいと思います。 1. Deep Learning Tsunami 多くの分野がこの5年間でDeep Learningの大きな影響を受け、分野特化の手法がDeep Learningベースの手法に置き換わることになりました。NLP（自然言語処理）の重鎮であるChris Manning教授もNLPで起きた現象を「Deep Learning Tsunami」[link] とよびその衝撃の大きさを表して
Conditional DCGANで画像生成 - kumilog.net
GANの一種であるDCGANとConditional GANを使って画像を生成してみます。 GANは、Generative Adversarial Networks(敵性的生成ネットワーク)の略で、Generator(生成器)とDiscriminator(判別器)の2つネットワークの学習によって、ノイズから画像を生成するアルゴリズムです。 生成器Gは、判別器Dに本物と誤認識させるような画像を生成し、判別器Dは、本物か偽物かを見分ける役割があります。 GAN GANの仕組みについては、こちらの記事がとても参考になります。 また、GANは2014年にIan Goodfellow氏に提案してから多数の関連論文が発表されています。 出典：GitHub - hindupuravinash/the-gan-zoo: A list of all named GANs! DCGAN GANの学習は難しいの
Yext（イエクスト）| ユーザーが求める答えを届ける Answers Platform
【オンデマンド配信ウェビナー】 「カスタマージャーニー ゲーム」今日のすべてのカスタマージャーニーに影響を与える2つの課題とは
Deep Learning Monitor - Find new Arxiv papers, tweets and Reddit posts for you
Ziyi Lin, Chris Liu, Renrui Zhang, Peng Gao, Longtian Qiu, Han Xiao, Han Qiu, Chen Lin, Wenqi Shao, Keqin Chen, Jiaming Han, Siyuan Huang, Yichi Zhang, Xuming He, Hongsheng Li, Yu Qiao
fpga4fun.com - HDMI
HDMI is a digital video interface, so is easy to drive from modern FPGAs. Let's see how it works. The connector A standard HDMI connector has 19 pins. Out of the 19 pins, 8 are of particular interest as they form 4 TMDS differential pairs to transport the actual high-speed video info. TMDS clock+ and clock- TMDS data0+ and data0- TMDS data1+ and data1- TMDS data2+ and data2- Our connection from an
「マーク・ザッカーバーグはある意味“不幸”」 将来の伸びしろをつくる、ムダへの投資術
「マーク・ザッカーバーグはある意味“不幸”」 将来の伸びしろをつくる、ムダへの投資術 Lecture 3 - Before the Startup #2/4 DropboxやAirbnbといった、世界で注目される企業を育てるスタートアップ養成所・Yコンビネーター。本講義では、その創業者・Paul Graham（ポール・グレアム）氏が、学生起業を真っ向から否定し、理想の20代の過ごし方について語りました。 ユーザーを喜ばせるしか成功する道はない ポール・グレアム氏（以下、ポール）：スタートアップでは卑怯な裏ワザを決して使うことは出来ません。ゴマをすることができる上司すらいない。ユーザーを喜ばせるしか成功する道はありません。 ユーザーが喜ぶのは皆さんがつくるソフトウェアが優れている場合だけです。ユーザーはサメのようなものです。彼らは賢いので、ダマすことは出来ませんよ。 赤い旗をひらひらさせてエ
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
NetSimile: A Scalable Approach to Size-Independent Network Similarity
【自動車】交通流最適化を改造して幹線道路をつけてみる Blueqat | 量子コンピュータ開発
arxiv-sanity