DeepLearning Advent Calendar 2016の17日目の記事です。 はじめに はじめまして。 Liaroという会社でエンジニアをしている@eve_ykと申します。 今年もあと僅かとなりました。 ここらで、今年のDeepLearningの主要な成果を振り返ってみましょう。 この記事は、2016年に発表されたDeepLearning関係の研究を広く浅くまとめたものです。今年のDeepLearningの研究の進歩を俯瞰するのに役立てば幸いです。 それぞれの内容について、その要点や感想なんかを簡単にまとめられたらと思います。 特に重要だと思った研究には★マークをつけておきます。 非常に長くなってしまったため、興味のある分野だけ読んでいただければと思います。 言い訳とお願い 見つけたものはコードへのリンクも示すので、プログラミングに関係ある記事ということで… 分野的にかなり偏っ
(2018.1227)なんか急にバズったのでちょっと追記しました。 ディープラーニング人材はやばい奴だらけ これから「AIを仕事に導入したい！」と思う人は沢山いるでしょう。 ただ「ディープラーニング」や「AI」という言葉に関しては世間で色々な誤解がされており、正しく現状を理解できている人はとても少ないように思います。 ディープラーニングという言葉はAlexNetがでた2012年頃に流行り出しました。 実際に企業が仕事としてディープラーニングに手を出し始めたのはAWSがGPUインスタンスをリリースした頃からだと思うので2014年ぐらいからでしょうか。 まだ流行り出して５年も経っていない技術であるため、最新の研究レベルでもディープラーニングの全容は明らかになっていなかったり(参照： ディープラーニングの解釈に関するサーベイ論文) 、正しくディープラーニングを理解するための教科書や参考書などもま
【Day-17】DeepLearning系ライブラリ、『Keras』の使い方まとめ(2.x対応版) - プロクラシスト
【最終更新 : 2017.12.17】 ※以前書いた記事がObsoleteになったため、2.xできちんと動くように書き直しました。 データ分析ガチ勉強アドベントカレンダー 17日目。 16日目に、1からニューラルネットを書きました。 それはそれでデータの流れだとか、活性化関数の働きだとか得るものは多かったのですが、Kerasと言うものを使ってみて、何て素晴らしいんだと感動してしまいました 今まで苦労して数十行書いていたものが、わずか3行で書ける！ 正直、スクラッチで書く意味って、理解にはいいけど研究や分析には必要あんまないんですよね。車輪の再発明になるし。 と言うわけで、使えるものはどんどん使っていこうスタンスで、今日はKerasの紹介です！ Tutorial+気になった引数を掘り下げて補足のような感じで書いています。 ちなみに、各部のコード以下をつなぎ合わせるとmnistの分類器が動くよ
概要 現在の日付を$T$とすると、$T+1$から$T+30$までにおける日次価格の単純移動平均をDeepLearningを使って予測し、 ロングポジションを持った（もしくはショート）時の価格より、予測した移動平均を上(下)回れば利益確定するようなシミュレーション売買を行いました。また、３０日保持したら強制的に手仕舞いするようにします。 エントリーは日時毎に残高があれば全力で行うようにします。 ※オレンジのラインが30日後の30日単純移動平均になります。緑がx軸の日付時点における為替価格です。 使用したDLフレームワーク chainer ver1.3~1.5 ちょうどver1.5で互換性が大幅に変更になって、対応するのが大変でした。 2017/8現在はver2.0.2になっているみたいですね。 使用データ みずほヒストリカルデータ https://www.mizuhobank.co.jp/r
DeepLearningを使った実装を纏めてみた - のんびりしているエンジニアの日記
皆さんこんにちは お元気ですか。私は全然です。 Deep Learning 一言で言うとただの深層学習ですが、 作り手や用途によって構造が全然違います。 今回は逆引き辞典よろしく、Deep Learningの実装のリンク集を作ってみました。 今回はライブラリは問わず、掲載します。 Caffe、Theano（Lasagne）、Torch7、Chainerなんでもござれです。 後日、追記するかも・・・ Neural Network（Full Connected） Auto Encoder Auto Encoder Denoising AutoEncoder Convolutional AutoEncoder Convolutional Neural Network Convolutional Neural Network R-CNN Fast-RCNN Faster-RCNN Recurren
ChatGPT Prompt Engineering for Developers - DeepLearning.AI
Learn prompt engineering best practices for application development Discover new ways to use LLMs, including how to build your own custom chatbot In ChatGPT Prompt Engineering for Developers, you will learn how to use a large language model (LLM) to quickly build new and powerful applications. Using the OpenAI API, you’ll be able to quickly build capabilities that learn to innovate and create val
背景 仕事をしているとき、業務に関係ない情報を閲覧していることって誰でもありますよね？ そんなときに背後にボスが忍び寄っていると気まずい思いをします。もちろん急いで画面を切り替えれば良いのですが、そういう動作は逆に怪しまれることになりますし、集中しているときは気がつかないこともあります。そこで怪しまれずに画面を切り替えるために、ボスが近づいてきたことを自動的に認識して画面を隠すシステムを作ってみました。 具体的にはKerasを用いてボスの顔を機械学習し、カメラを用いて近づいてきたことを認識して画面を切り替えています。 ミッション ミッションはボスが近づいてきたら自動的に画面を切り替えることです。 状況は以下のような感じです。 ボスの席から私の席まではだいたい6,7mくらいです。ボスが席をたってから、4,5秒で私の席に到達します。したがって、この間に画面を隠す必要があるわけです。時間的余裕は
Deeplearning 4 j のクイックスタートガイド - Deeplearning4j: Open-source, Distributed Deep Learning for the JVM
You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert
印刷する メールで送る テキスト HTML 電子書籍 PDF ダウンロード テキスト 電子書籍 PDF クリップした記事をMyページから読むことができます 「ChatGPT」の公開をきっかけに、生成型の人工知能（AI）が大きなブームとなった結果、AI分野や雇用市場が急速に変化している。将来に向けた言語モデルの開発を推し進めたり、既存のモデルを洗練させられる人材は、プロンプトエンジニアも含めて引く手あまたとなっている。 AIに関する教育を提供するDeepLearning.AIはOpenAIと提携し、プロンプトエンジニアリングのための無料コースを開発者向けに提供すると発表した。 同社のウェブサイトによると、この無料の1時間コースは、強力なアプリケーションを新たに構築するための大規模言語モデル（LLM）の使用方法を教えるものだという。 講師は、OpenAIの技術スタッフであるIsa Fulfor
DeepLearningは最近ブームであり,その有名なライブラリとしてTensorflowがあります． この記事ではDeepLearningの基本的な部分を数式を使って書き下すこととTensorflowの使い方を紹介します. 今更っていう気もしますが…，そこは気にしないでおくことにします 主な対象はベクトル空間やテンソル積等をある程度知っているけれど，DeepLearningは知らない人です. なので表記も大学の数学でよく出てくるものしています. なおニューラルネットワークの積分表現には触れません. 三層パーセプトロン ニューラルネットワークの基本的な形の一つである三層パーセプトロンを定義します. 定義 (三層パーセプトロン) 行列$W_1 \in M_{n_0 n_1}(\mathbb{R}),W_2 \in M_{n_1 n_2}(\mathbb{R})$とベクトル$b_1 \in \
DeepLearningライブラリのChainerがすごい、らしい - cvl-robot's diary
Preferred Infrastructure(以下PFI)からスピンオフした会社、Preferred NetworksのリリースしたDeepLearningライブラリのChainerがすごい、と話題になっています。*1 解説 Deep Learning のフレームワーク Chainer を公開しました | Preferred Research 公式 Chainer: A flexible framework of neural networks GitHub pfnet/chainer · GitHub ドキュメント Chainer – A flexible framework of neural networks — Chainer 1.1.0 documentation おそらく初露出 ディープラーニング最近の発展とビジネス応用への課題 公式ツイッター chainer (@Chai
対象とする人 ディープラーニングすごい！ ←聞き飽きた チュートリアルあるよ！ ←ふわっとしすぎて具体的なところが分からん こういう論文あるよ！ ←読めるわけないだろ そういう人向け。（たぶん学部四年程度向け） ニューラルネット初学者が、書ききるまで怪しいところ満載でも突っ走ります。 ニューラルネット（この記事） →（AutoEncoder） →（DenoisingAutoEncoder） →ホップフィールドネットワーク →ボルツマンマシン →Restrictedボルツマンマシン →（Gaussian Binary - Restricted Boltzmann Machines） →（DeepBeliefNetwork） →（DeepNeuralNetworks） →畳み込みニューラルネット（後日） までやる。 太線以外は読み飛ばしてOK 本文中では怖い式は使わない。（Appendixに書
はじめに エヴァンゲリオン20周年おめでとうございます 加えて、アスカの誕生日もおめでとうございます。(4日遅れ) Twitter Bot等でも使われている、文章の自動生成を流行りのDeepLearningの1種であるリカレントニューラルネットワーク(以下:RNN)を使ってやってみました。 データ集め 何はなくともまずはデータが無いと始まりませんね。 書き起こしも覚悟してましたが、アニメ全セリフをまとめてあるありがたいサイトが有りました。感謝。 こちらから全セリフを抽出しました。 セリフのフォーマットはこんな感じで、キャラ名 「セリフ」になってます。 放送「本日、12:30分、東海地方を中心とした関東中部全域に特別非常事態宣言が発令されました。住民の方々は速やかに指定のシェルターに避難してください」 放送「繰り返しお伝えいたします…」 ミサト「よりによってこんな時に見失うだなんて、まいった
【保存版】環境構築不要！Google Colaboratoryで始める「ゼロから作るDeepLearning」 - Qiita
【保存版】環境構築不要！Google Colaboratoryで始める「ゼロから作るDeepLearning」Python機械学習MachineLearningDeepLearning 「ゼロから作るDeepLearning」とは？ DeepLearningの理論非常に丁寧に説明している良書です。ライブラリに頼らず理論を理解してゼロから実装するので、「DeepLearningの理論をしっかりと理解したい！」という人におすすめです。ですが、Pythonの文法の説明は少ないので、ある程度入門書などでPythonの基礎を習得していないと理論は理解できてもプログラムを理解するのは難しいかと思います。 以下から購入できます。 https://www.amazon.co.jp/dp/4873117585/ref=cm_sw_em_r_mt_dp_U_dEFvEb1FVX4AK プログラムをGoogle
人工知能（AI）やDeepLearning（ディープラーニング），この頃よく聞きますよね． しかし，いまいち何なのかよくわからないという人は多いのではないでしょうか． 私の周りの人たちも教養として興味はあるけれども，数式が出てくると何がなんだかという人が多いようです． また，人工知能やディープラーニングをビジネスに応用したいけど何ができるのか全く見当もつかないといった人も多いようです． そもそも，ディープラーニングとはなんのことなんでしょう．AIや機械学習との違いはどこにあるのでしょう． そこで今回はエンジニアや理系の学生でない人に向けて，ディープラーニング（主にその基礎となるニューラルネット）の仕組み，原理，アルゴリズムや種類，それが何の役に立つのかについて解説してみようと思います． このような場合には，よくわからない記号が出てくる数式は避けるべきだと思います． しかし，すべてを包み隠さ
DeepLearningでも声質変換したい！
これはドワンゴ Advent Calendar 2017の9日目の記事です。 漫画やアニメを見ていると、可愛い女の子になって可愛い女の子と他愛もない会話をして過ごす日常に憧れます。 そんな感じで、可愛い女の子になりたい人は多いと思います1。 しかし残念なことに、現在の技術で真の可愛い女の子になるのはとても難しいです。 じゃあせめて仮想でいいから可愛い女の子になりたいですよね（バーチャルyoutuberキズナアイみたいな）。 しかし、仮に姿を可愛い女の子にしても、声が可愛くなければ願いは叶いません。 ということで、声を可愛くする声質変換を目指してみました。 今回は僕の声をDeepLearningの力を借りて結月ゆかりにしました。 お勉強まずは音声の勉強をします。 これが一番時間かかりました。 最近の音声合成手法は3種類あります。 音響特徴量+vocoder wavenet STFT+位相推定
Deep Learning Tutorials¶ Deep Learning is a new area of Machine Learning research, which has been introduced with the objective of moving Machine Learning closer to one of its original goals: Artificial Intelligence. See these course notes for a brief introduction to Machine Learning for AI and an introduction to Deep Learning algorithms. Deep Learning is about learning multiple levels of represen
こんにちは、小澤です。 今回はKerasというDeepLearningのライブラリについて書かせていただきます。 Kerasとは 公式のドキュメントによると以下のようになっています。 Kerasは，Pythonで書かれた，TensorFlowまたはTheano上で実行可能な高水準のニューラルネットワークライブラリです． Kerasは，迅速な実験を可能にすることに重点を置いて開発されました． 可能な限り遅れなくアイデアから結果に進められることは，良い研究をする上で重要です． Keras Documentationより Kerasを利用するとDeepLearningの背後にある数学的な部分をスクラッチで実装しなくても、各層で利用するアルゴリズムとパラメータを指定するのみなど、比較的短いコードで目的のネットワークを表現することができます。 そのため、研究領域において非常に流れが早く企業などでも素
［Python］60,000点のファッションアイテムのデータを使ってDeepLearningを実装 - Qiita
共有すること 60,000点のファッションアイテムのデータを使って、DeepLearningを実装する方法 この記事を書いた人の特徴 ・独学でプログラミングを勉強中 ・プログラミングの実務経験なし ・大学時代はゴリゴリの文系（教育学部）で、数学が苦手。プログラミングにも全く興味なかった。 なぜ共有するのか？ 主な目的は、下記の３点 ①DeepLearningに関する知識を定着化するため ②プログラミング実務未経験でも用意されているライブラリを使えばDeepLearningを実装できることを横展開したいため ③忘れた時に見直すため 「ゼロから学ぶDeepLearning」を読んだ。何となくわかりそうだけど、どう実装すればいいかわからなかった。 その時に参加したDeepLearningに関するセミナーが凄くわかりやすかった。 その時に学んだ知識を自分なりに咀嚼し直して、知識の型化・横展開をした
物体検出のDeepLearning読むべき論文7選とポイントまとめ【EfficientDetまでの道筋】 - Qiita
お久しぶりです。 2012年のHintonさんのAlexNetによるILSVRCでの圧勝を皮切りに、画像認識の世界でもDeepLearningが脚光を浴びることとなりました。 物体検出の世界でも現在DeepLearningを用いたモデルが主流になっています。 https://paperswithcode.com/sota/object-detection-on-coco を見ると、 COCO test-devにおいて、state-of-the-art(SoTA)のモデルはEfficientDet-D7xのようです。 独断と偏見も少々ありますが、そのEfficientDetを理解するために読むべき論文を7つ集めてみました。 DeepLearning以降の物体検出に焦点を当てて、出来るだけ簡潔につらつらと書いていきたいと思います。 物体検出とは 物体検出について知らないという人は以下の動画を見
Amazon Web Services ブログ 動的なDeepLearningによる時系列データの予測 時間の経過とともに展開していくイベントを予測することは、オプション価格決定や、病気の進行、音声認識、サプライチェーン管理などを扱う多くのアプリケーションにとって不可欠な機能です。と同時に、こうした予測は難しいことでも知られています。 全体的な結果を予測するのではなく、特定の時刻に発生するイベントの一連の動き ( シーケンス ) を正確に予測することを目指します。物理学のノーベル賞受賞者である Niels Bohr 氏は、「予測は非常に難しいもので、未来については特にそうです。」と述べています。 このブログ記事では、AWS での深層学習アプローチを使用した時系列予測の高度なテクニックについて見ていきます。この投稿では、任意の時系列値予測に注目します。ですので、時系列を研究している読者にとっ
まずディープラーニングがどのように発展していったのかお話しします。 第一次ニューラルネットワークブーム ある時、脳の神経細胞を仕組みを再現した人工ニューロンを作ります。 人工ニューロンとは上図のようなものを指します。 この複数の信号から1つの信号を出力するアルゴリズムをパーセプトロンと呼びます。 この人工ニューロンを2つ重ねるとが学習できるらしくブームが起こります。下図。 ですが世の中の多くを占めている非線形の問題が解けなく、ブームが終わります。 第二次ニューラルネットワークブーム 実は3層以上重ねるとどうやら非線形問題が解けることは知られていましたが、誰も実装まで手が付けられませんでした。 ところがある時、BackPropagationという方法が発見され、3層以上を重ねられました。 何層も重ねたものをニューラルネットワークと呼びます。 （アルゴリズムを多層パーセプトロンといいます。）
Semi supervised, weakly-supervised, unsupervised, and active learningYusuke Uchida
Alteraのリリースノートで知ってはいたが、Microsoftリサーチのホワイトペーパーを発見した。2015年にUCLAがXilinxのFPGA使って同様のこと(CNNの実装)をしているが、それより3倍くらい性能良い模様。 http://research.microsoft.com/pubs/240715/CNN%20Whitepaper.pdf DeepLearningの一種Convolutional Neural NetworkをFPGAというか、自社製FPGAボード「Catapult」上にのせた。 このCatapultについては以前記事にした。 tkysktmt.hatenablog.com Deep Learningについて 自分がどう考えているか簡単に。 Deepな層構造(3層以上)をもったNeural Networkを、どうにかして学習させることができたものをDeep Lea
ゼロから作るDeepLearning -Pythonで学ぶディープラーニングの理論と実装-を読んだメモ ～パーセプトロン編～ - Qiita
ゼロから作るDeepLearning -Pythonで学ぶディープラーニングの理論と実装-を読んだメモ ～パーセプトロン編～機械学習数学ディープラーニング 概要 最近のもっぱらの興味はディープラーニングです。 ディープラーニング自体の基礎から学習しようと、本記事のタイトルの本を手に取って学習を始めたのでそこで得た知識の備忘録です。 （書籍はこちら↓） ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装 なお、本記事はこの本を読んで得た知識を備忘録としてまとめたものになります。 さらに、色々メモを取るには（自分の中で）新しい概念が多く、とても長い内容になってしまうのでまずは「パーセプトロン編」ということで、ニューラルネットワーク・ディープラーニングの元となっている考え方についてフォーカスを当てて記事を書いていきます。 そして当然ですが、多分に自分の理解
GitHub - yoyoyo-yo/DeepLearningMugenKnock: でぃーぷらーにんぐを無限にやってディープラーニングでDeepLearningするための実装CheatSheet
2020.5.3 Sun [pytorch] CycleGANを追加 2020.4.3 Fri [tf.keras] pix2pixを追加 2020.3.27 Thu [tf.keras] Style Transferを追加 2020.2.25 Tue [Pytorch] WGAN-GPを修正 2020.1.1 [Pytorch] EfficientNetB1~B7を追加 2019.12.30 [Pytorch] EfficientNetB0を追加 2019.12.23 Chainerのサポートが終了したらしいので、PytorchとTensorflowに絞っていきます 2019.12.23 [Pytorch] 可視化 Grad-CAMを追加 2019.11.23 [Pytorch] 言語処理・会話生成のHREDを追加 2019.11.19 [Pytorch] 画像生成のWGAN-GPを追加
こんにちは！逆瀬川 ( @gyakuse ) です。 今日は最近作ったもの、書いたもの、勉強したことを備忘録的にまとめていきたいと思います。 なぜ書くのか、なぜ学ぶのか DeepLearningの普及以降、Attention Is All You Need以降、Hugging Faceでの民主化以降、そしてStable DiffusionやChatGPTの登場以降、どんどんAGIへの距離が短くなってきています。未来は想定より大きく変わりそうです。どったんばったん大騒ぎのときはみんなが分かっておくべきことは効率的に共有すべきで、そのために書いています。書くためには論文等を読む必要があります。そしてそのためには基礎からしっかり学ぶことが大事です。次の一歩をみんなで歩んでいくために、学び、書いています。 間違ったことを言うかもしれませんが、それでも誰かのためになれば嬉しいです。あと、個人的にはこ
© Copyright 2008--2010, LISA lab. Last updated on Jun 15, 2018. Created using Sphinx 1.5.
翻訳元ブログ(2016/12/12) by Carlos E. Perez https://www.linkedin.com/pulse/10-deep-learning-trends-predictions-for2017-carlos-e-perez 私は以前このブログで『ソフトウェア開発における2011年の動向予測』を投稿しましたが、今回は少し違う観点でディープラーニングについての10の予測をしましょう。企業が採用する技術という観点ではなく、研究動向と今後の予測にスポットを当てることにします。ディープラーニングによって企業へのAI導入が促進されることは間違いありません。また、まだAI化が進んでいない企業にとってはディープラーニングがAI導入への重要な第一歩になるでしょう。しかし、ディープラーニングについてのどのような発見が企業にイノベーションを起こすのかについてはそれほど明白ではあり
ScalaでDeeplearning4jを使い自動運転で峠を攻める！ - FLINTERS Engineer's Blog
こんにちは。菅野です。 最近、AIとか機械学習とかが話題ですね。 AIに仕事を奪われる職業がどうとかの記事もよく見かけます。 このブログ記事もAIが書いてくれたら良いのにと思っている今日この頃です。 …でも思ってるだけでは仕事を奪ってくれないので、やっぱり何かしら自分で作るしか無さそう。 という訳で、今回はJavaでディープラーニングが出来るDeeplearning4jを使って機械学習を試します！ プロジェクトD さて、何を作りましょう？ 最終的には私の仕事を勝手にやってくれるAIを作りたいです。 でも、はじめは簡単なものから少しずつ作っていこうと思います。 よくディープラーニングでネタにされるのは手書き文字の識別ですが、正直面白くないので道路上を自動運転するAIを作ります！ 嘘です。 いきなり作るのは無理があるので、画像の道路が左カーブなのか、右カーブなのか、あるいは直線なのかを分類し画
変更履歴 2016/8/31 AUC計算が「晴」だけしか見ていなかったので、修正 概要 DeepLearningでCNN(畳み込みニューラルネットワーク)といえば、画像処理がメインになるのに、画像処理に関する分析を全くやっていなかったので、今回は 気象画像から天気予報ができるか を検証してみたいと思います。 準備 気象画像の入手 気象画像は高知大学のサイトからぽちぽちダウンロードしました。2015年1月から2016年7月のデータを入手します。使ったのはこのような画像です。 なお、1時間ごとにデータがあるので、17時のデータを入手しました。 出典: 高知大学・東京大学・気象庁提供 過去の天気の入手 過去の天気は気象庁のページから入手します。こちらも2015年1月から2016年7月までの日ごとの天気データです。場所は東京で、日中の天気を使用しました。 問題設定 問題としては「前日の17時の日本
DeepLearningによるアイドル顔識別を支える技術 / 2017-08-04 builderscon tokyo
https://builderscon.io/tokyo/2017/session/e4d2daaf-cd24-4668-8a7c-496d9e585552
http://deep-learning-hackathon.connpass.com/event/12867/ このイベントに参加して、DeepLearning(Caffe)を回してみました。 大体これまで上がってる記事で、ゴチうさでDeepLearningされてるのがあったので対抗してきんモザでやってみました。ｎ番煎じです。（（既にラブライブ等でもされてるようなので）） 環境 Dynabook RX3(Core i5 M520, 4GBMem, Linux Mint 17.1 64bit) Amazon EC2 g2.2xlarge インスタンス 問題設定 事前にanimefaceで顔領域を検出した部分に対し、アリスであるかカレンであるか、それとも他のキャラであるかを判定したい 単純な３クラス分類問題ですが、アリスもカレンもキンパツなので、色によるキャラ判別はできません。おそらく輪郭や
deeplearning.ai: Announcing new Deep Learning courses on Coursera
deeplearning.ai: Announcing new Deep Learning courses on Coursera Dear Friends, I have been working on three new AI projects, and am thrilled to announce the first one: deeplearning.ai, a project dedicated to disseminating AI knowledge, is launching a new sequence of Deep Learning courses on Coursera. These courses will help you master Deep Learning, apply it effectively, and build a career in AI.
（ スライド共有プラットフォーム SpeakerDeck 掲載先 へのリンク ） （参考）この記事の内容と協働できるかもしれない勉強会の発表スライド （SlideShare）Yoichiro Miyake氏 『人工知能のための哲学塾 第一夜「フッサールの現象学」 資料 （全五夜＋第零夜）』 Deep Learning アルゴリズムを、身体と視覚・音声・感熱・感圧などの複数のセンサーを搭載したマルチモーダルなエージェントマシンに搭載することで、「見た目」・「発する音」・「温かさ・冷たさ」・「手触り」などの全体的な感覚イメージを、「猫」や「人間」・「りんご」などの物の物体概念に結びつけあわせる知能（知性）を、構成論的に再現する道が開けました。 では、そのエージェントに、『感覚をもった物体概念』を自分が持つにいたったことを、「意識」させるところまで、構成論的アプローチによる人間知性の再現の歩みを
(2017/08/16 追記) この記事は当時のアレな知識に基づくものです． 明らかな間違いも含まれてるので，ほどほどに参考にしていただければ幸いです． まだ2月半ばとやや早いですが、連日二桁気温とすっかり春の陽気ですね。 こちらをご覧の皆様の周りにも、『サクラサク』便りが届き始めていることと思います。 一方、私は見事に就活5連敗中です。 さて、3週間ほど前に『Googleの囲碁AI『AlphaGo』が史上初めてプロ棋士に勝つ』という衝撃的なニュースが飛び込んできました。 囲碁は未解決問題とされており、先日も「これが評価につかえるのでは」という話をしたばかりだったので、実は昨年10月に既に決着していたというこのニュースには非常に驚きました。 そして、同時にこんなことも考えました。 『我々が知らないだけで、既に解決済みになっている問題は沢山あるのではないか？』 意外に思われるかもしれませんが
Pythonで書けるDeepLearningのライブラリを比較してみた - のんびりしているエンジニアの日記
皆さんこんにちは お元気ですか。私は元気です。 ChainerのAdvent Calendar第16日目です。 DeepLearningのライブラリの比較を行ってみました。 Chainer Advent Calendar 2015 - Qiita ライブラリ紹介 Chainer chainer.org 日本製PFIが開発したライブラリ。個人的には書きやすくて結構好き。 時系列ニューラルネットワークが組みやすいことを売りにしている。 Tensorflow Googleが公開したライブラリ https://www.tensorflow.org/www.tensorflow.org Googleが公開したことで、評判のライブラリ。 やたらとニュースになるほど凄かったが、果たして他とくらべてどうなのか。 Lasagne github.com Theanoを基盤として書きやすくしたライブラリ Kag
Get the latest AI news, courses, events, and insights from Andrew Ng and other AI leaders.
ゼロから始めるDeepLearning_その4_Restrictedボルツマンマシンとは - 分からんこと多すぎ
はじめに MNISTで全然うまく行かないことが発覚したので、最適化を調べ中きちんと動きました。 学部四年生向け。だった。 ニューラルネットワーク →（AutoEncoder） →（DenoisingAutoEncoder） →ホップフィールドネットワーク →ボルツマンマシン →Restrictedボルツマンマシン（この記事） →（Gaussian Binary - Restricted Boltzmann Machines） →（DeepBeliefNetwork） →（DeepNeuralNetworks） →畳み込みニューラルネット（後日） 太線以外は読み飛ばしてOK Restricted Boltzmann Machines（RBM）をとりあえず使ってみる RBMには、ホップフィールドネットワークという前身がある。 できることは、それと同じである。 即ち、RBMとは、脳的なもの（マル
IBM Watson 知りたいこと早わかり ～ 何ができる「知能」なのか、従来の 機械学習 や DeepLearning との違い、Watsonアプリ の開発環境、Watsonアプリ 開発事例コード、産業利用の事例 を ワン・ストップ で まとめて おさえるWatson人工知能PepperPrologCognitive-computing 0. がん患者の病名判断で、日本国内で実績を上げたIBM Watson NHK NEWS WEB 8月4日 19時10分 「人工知能 病名突き止め患者の命救う 国内初か」 東京大学医科学研究所の附属病院は、アメリカの大手ＩＴ企業ＩＢＭなどと協同で、人工知能を備えたコンピューターシステム「ワトソン」に２０００万件に上るがん研究の論文を学習させ、診断が極めて難しく治療法も多岐にわたる白血病などのがん患者の診断に役立てる臨床研究を進めています。 このうち６０代
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
DeepLearning研究 2016年のまとめ - Qiita
DeepLearning/機械学習を始めると必ずいるカス - BizDeep
為替をDeepLearningで予測してみた話 - Qiita
DeepLearningで上司を認識して画面を隠す - Qiita
DeepLearning.AIとOpenAI、AIのプロンプトエンジニアリング学習コースを無償提供
数学系向けDeepLearning/Tensorflow入門 - Qiita
ゼロから始めるDeepLearning_その1_ニューラルネットとは - 分からんこと多すぎ
【エヴァンゲリオン】アスカっぽいセリフをDeepLearningで自動生成してみる - Qiita
中学生でもなんとなくわかるDeepLearningのアルゴリズム
Deep Learning Tutorials — DeepLearning 0.1 documentation
KerasではじめるDeepLearning | DevelopersIO
動的なDeepLearningによる時系列データの予測 | Amazon Web Services
DeepLearningの歴史、学習方法について (E資格対策) - Qiita
MIRU2014 tutorial deeplearning
MicrosoftがFPGAでDeepLearningしてた - SANMAN
DeepLearningについて、最近作ったもの、書いたもの、勉強したこと
Contents — DeepLearning 0.1 documentation
DeepLearning 2017年の10の予測 - Qiita
【その1】DeepLearningを使って気象画像から天気予報をする - Qiita
きんいろDeepLearning - White scenery @showyou, hatena
マルチモーダルDeepLearning エージェントマシンに <意識> を持たせるためには何が必要か～ 「構成論的人工知能研究」と２つの脳理論 （１）量子場脳理論 と （２）統合情報理論 を統合する視座 がもたらす可能性 - Qiita
東方ProjectをDeepLearningで攻略した…かった。 - Qiita
DeepLearning.AI: Start or Advance Your Career in AI
IBM Watson 知りたいこと早わかり ～ 何ができる「知能」なのか、従来の 機械学習 や DeepLearning との違い、Watsonアプリ の開発環境、Watsonアプリ 開発事例コード、産業利用の事例 を ワン・ストップ で まとめて おさえる - Qiita