Neural Text Embeddings for Information Retrieval (WSDM 2017)
Neural text embeddings provide dense vector representations of words and documents that encode various notions of semantic relatedness. Word2vec models typical similarity by representing words based on neighboring context words, while models like latent semantic analysis encode topical similarity through co-occurrence in documents. Dual embedding spaces can separately model both typical and topica
Deep Residual Learning (ILSVRC2015 winner)
ILSVRC2015にてMSRA (Microsoft Research Asia)が発表した、Deep Redisual Learning (ResNet)の紹介資料です。 論文情報 http://arxiv.org/abs/1512.03385 著者(Dr. Kaiming He)によるスライド http://research.microsoft.com/en-us/um/people/kahe/ilsvrc15/ilsvrc2015_deep_residual_learning_kaiminghe.pdf ImageNet and MS COCO Visual Recognition Challenges Joint Workshop http://image-net.org/challenges/ilsvrc+mscoco2015Read less
NIPS2015参加報告
This document discusses low-rank matrix approximation of kernel matrices for kernel methods in machine learning. It notes that kernel matrices often have low rank compared to their size, and this property can be exploited to reduce the computational complexity of kernel methods. Specifically, it proposes approximating the kernel matrix as the product of two low-rank matrices. This allows the solut
プリキュアで学ぶ劣モジュラ関数 - むしゃくしゃしてやった，今は反省している日記
Machine Learning Advent Calendar 2015 1日目の企画です． 機械学習・人工知能系の国際会議（ICML, NIPS, AAAIなど）のチュートリアルや論文を眺めたことのある人なら，Submodular Function（劣モジュラ関数）という単語に見覚えがあるかもしれません．実際，ICML 2013，AAAI 2015や今年のIBISでも劣モジュラ関数のチュートリアル講演がなされています．今回は，劣モジュラ関数についてプリキュアで解説したいと思います． 劣モジュラ関数とは 劣モジュラ関数は集合関数（ある集合の部分集合を引数に取り，実数値を返す関数）の一種です．具体的には以下の定義を満たす関数です． $f: 2^E \to \mathbb{R}$ が劣モジュラ関数 $\iff$ 全ての$X \subseteq Y$ と $i \not\in Y$ に対して
Deep Learningの教材 - こんな夢を見た
Deep Learningを勉強するにあたって内容がまとまっている教材についてリスト化しました。 無論ここに挙げたもの以外にも充実した教材は多数存在します。また、全てを読んだり観たりしたわけではありませんので、コメントは参考程度に考えてください。 (追記) ときどき追記/編集していきます。 (以下、一部敬称略) Bengio オンライン本 Yoshua Bengio, Ian Goodfellow and Aaron Courville http://www.iro.umontreal.ca/~bengioy/dlbook/version-07-08-2015/dlbook.html 現在Web上で閲覧可能。 いつか出版される。終盤はまだ執筆中。 これ一冊で根っこの理論はバッチリそう。天下のBengioさんなので情報の信頼性、網羅性、深みは高い。全部やると分量すごい。 Nielsen オン
http://www2.nict.go.jp/univ-com/multi_trans/member/t_watana/papers/smt-tutorial.pdf
統計的機械翻訳ことはじめ 渡辺 太郎 taro.watanabe@atr.jp ATR 音声言語コミュニケーション研究所 言語処理学会チュートリアル – p. 1/63 目的 統計的機械翻訳についてのチュートリアル 次のような人を対象: 「統計的機械翻訳」を聞いたことがある。あるいは、 関連する論文を読んだ (見た) ことがある。 IBM Model 3 まではたどりつけた。 etc. モデルの構成、確率値の学習手法 デコーディング 最近の研究、および今後の課題 言語処理学会チュートリアル – p. 2/63 一通目の手紙 Warren Weaver to Nobert Wiener (March 4, 1947) When I look at an article in Russian, I say; “This is really written in English, but it
Chainer Meetup #0 を開催しました。 - Preferred Networks Research & Development
2015年10月14日に、Chainer Meetup #0を開催しました。 こんにちは、PFI エンジニアの舛岡です(前回の松元さんに習い自己紹介を後ろに書きました)。製品事業部で、何でも屋として仕事をしています。research ブログに投稿する日が来るとは思ってませんでした。 Meet Upの概要 今回のMeet Upは、「開発陣がコントリビュータの方に会ってみよう」をコンセプトに開催をしました。（開発陣の2名が出張でいないという・・・・）。そのため、コントリビュータの方を招待し、13名の方に参加して頂きました。 まず始めに得居さんから、Chainer 1.5の開発方針について話をし、その後、参加者の皆様に以下の内容でLTをして頂きました。 Chainerをどのような場面で使用されているのか？ Chainerの良いところ Chainerの改善点・もっとこうしてほしい LTの総括 Ch
Memory Networks - こんな夢を見た
Memory Networks Jason Weston, Sumit Chopra, Antoine Bordes, 2015, ICLR Facebook - The bAbI project 記憶装置を持ったようなQA向けのフレームワーク。 名前から誤解しがちだが、Neural NetworkはあくまでMemory Network内の1つのモジュールであるだけで、話の焦点自体はNNではない。また、NNを使わずともMemory Networksは実現できる（たぶん精度負けるからやられないだろうけど）。 本論文ではNNを利用したモデルを例に説明。 追記(15/6/1): Stanfordの講義スライド -Memory Networks編-。 追記(16/6/1): Stanfordの講義スライド更新。shibataさんコメントありがとうございます。 Memory Networksの要素は
Facebookの人工知能アルゴリズム「memory networks」について調べてみた
FaceBook のAIチームが研究の発表論文である "Memory networks"とその拡張である"Towards AI-complete question answering: A set of prerequisite toy tasks."を簡単に紹介します。 [1] Weston, J., Chopra, S., and Bordes, A. Memory networks. In International Conference on Learning Representations (ICLR), 2015a. [2] Weston, J., Bordes, A., Chopra, S., and Mikolov, T. Towards AI-complete question answering: A set of prerequisite toy tasks. arX
株式会社ALBERT（レコメンドエンジン）
データ分析から導き出されたインサイト無しにAI（人工知能）の活用は始まりません。私たちは、各業界知識とデータ・アナリティクス技術を駆使しデータドリブン経営を強力に支援します。 データ、アナリティクス、AIは企業にとって競合他社との差別化を図るかつてないほど大きな要因になっています。今日の経営幹部が効率を向上しながら新たな収益源を開拓し、新しいビジネスモデルをタイムリーに構築する方法を模索する中、価値を生み出し成長を続ける企業には「データ活用」という共通項があります。私たちは、無数のデータから企業にとって本当に必要なデータを活用するための方法を知っています。 将来を見据えたオペレーション体制を備えている企業の半数以上（52％）は、すでにデータとアナリティクスを大規模に活用しています。データとAIに関する取り組みをビジネス戦略に沿って実施することで投資利益率を迅速に最大化し、最終的にはAIをビ
ACL2015読み会@すずかけ台
概要 内容: ACL-IJCNLP 2015で発表された論文を読む (+ BBQ) 場所: 東京工業大学すずかけ台キャンパスR2大会議室(6階) 日時: 2015年8月24日(月) 10:00-18:00 (+ BBQ: 18:00-) 参加者 笹野、菊池、林、上垣外、渡邉、石垣、馬緤、瀧本、菅原、小町(首都大)、梶原(首都大)、西川(東工大)、横野(NII)、古宮(茨城大)、橋本(東大)、江里口(東大)、佐藤(名工大)、田中(お茶大) [=発表者:18名] 高村、田中、榊原、山崎、マリア、目黒、長谷川、安部(お茶大)、樺山(お茶大)、熊谷(お茶大)、濱園(お茶大)、亀甲(東大)、中須賀(東大)、村上(東大) [=聴講者:14名] プログラム 10:00-10:05: Opening [pdf] 10:05-11:05: Session 1: Linguistics Unsupervise
画風を変換するアルゴリズム - Preferred Networks Research & Development
Deep Neural Networkを使って画像を好きな画風に変換できるプログラムをChainerで実装し、公開しました。 https://github.com/mattya/chainer-gogh こんにちは、PFNリサーチャーの松元です。ブログの1行目はbotに持って行かれやすいので、3行目で挨拶してみました。 今回実装したのは”A Neural Algorithm of Artistic Style”(元論文)というアルゴリズムです。生成される画像の美しさと、画像認識のタスクで予め訓練したニューラルネットをそのまま流用できるというお手軽さから、世界中で話題になっています。このアルゴリズムの仕組みなどを説明したいと思います。 概要 2枚の画像を入力します。片方を「コンテンツ画像」、もう片方を「スタイル画像」としましょう。 このプログラムは、コンテンツ画像に書かれた物体の配置をそのま
ICML2015読み会 (2015/08/20 18:00〜)
お知らせ 【重要なお知らせ】iOSアプリの運用および提供を2024年6月3日(月)を以て終了いたします。詳細は お知らせをご覧ください。 お知らせ connpassではさらなる価値のあるデータを提供するため、イベントサーチAPIの提供方法の見直しを決定しました。2024年5月23日(木)より 「企業・法人」「コミュニティ及び個人」向けの2プランを提供開始いたします。ご利用にあたっては利用申請及び審査がございます。詳細はヘルプページをご確認ください。
Awesome-deep-vision
Awesome-deep-vision : A curated list of deep learning resources for computer vision View on GitHub Awesome-deep-vision A curated list of deep learning resources for computer vision Download this project as a .zip file Download this project as a tar.gz file Awesome Deep Vision A curated list of deep learning resources for computer vision, inspired by awesome-php and awesome-computer-vision. Mainta
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
https://posenhuang.github.io/papers/DNN_Separation_ICASSP_slides.pdf
http://www.phontron.com/slides/alagin2014-align.pdf
https://qiita.com/conjugate_box/items/a5efcbe7d9be977367b8
Videolectures
「深層学習」勉強会LT資料 "Chainer使ってみた"
MT/NLP Standard Papers - AHC Wiki