深層学習で着せ替えも簡単に 画像の一部だけを入れ替え合成する技術「SMIS」
Innovative Tech： このコーナーでは、テクノロジーの最新研究を紹介するWebメディア「Seamless」を主宰する山下裕毅氏が執筆。新規性の高い科学論文を山下氏がピックアップし、解説する。 中国の華中科技大学と北京大学による研究チームが開発した「Semantically Multi-modal Image Synthesis」（SMIS）は、画像をオブジェクトごとにクラス分けし、部分的に画像を入れ替えて合成する深層学習ベースの手法だ。 画像のクラス分けには、ラベルを使って関連付けを行うセマンティックセグメンテーションを用いる。各画素に何が写っているのかを1つ1つ推定し、画像内で領域を分類しクラス分けする。 各クラスに応じたコントローラーで調整することで、対応する部分だけ画像を変換する。このような画像合成では従来、各クラスごとに生成ネットワークを構築し、異なるネットワークの出力
Kaggle初心者が「地震コンペ」をやってみた
目次 このブログの対象者 地震コンペの概要 私が地震コンペを始めた理由 Kaggle初心者が地震コンペをやるまで 地震コンペの情報収集 参考にするNotebookの解読 特徴量の作成 モデルの作成 結果 考察 今後 1. このブログの対象者 Kaggle初心者 Kaggle入門者用のTitanicや住宅価格コンペの次に挑戦したいが進め方に悩んでいる人 地震コンペ（LANL Earthquake Prediction）のような時系列の信号データの分析に興味を持っている人 2. 地震コンペの概要 このコンペは、地震の研究でよく使用される実験装置から得られる「音響データ（acousticdata）」のみを使って、実験室で発生する「地震までの時間（timeto_failure)」を予測するコンペである。訓練データは一つのセグメント（一つの実験データの一部分）で、図1のように「音響データ」と「地震ま
{TSclust} ではじめる時系列クラスタリング - StatsFragments
概要 こちらで書いた 動的時間伸縮法 / DTW (Dynamic Time Warping) を使って時系列をクラスタリングしてみる。ここからは パッケージ {TSclust} を使う {TSclust} のインストール install.packages('TSclust') library(TSclust) サンプルデータの準備 {TSclust} では時系列間の距離を計算する方法をいくつか定義している。クラスタリングの際にどの定義 (距離) を使えばよいかは 時系列を何によって分類したいのかによる。{TSclust} に実装されているものをいくつかあげると、 diss.ACF : ACF diss.CID : Complexity Correlations (よくわからん) で補正したユークリッド距離 diss.COR : ピアソン相関 (ラグは考慮しない) diss.EUCL :
時間経過の不規則性を解決！T-LSTM を用いた深層学習モデルによる患者プロファイル抽出手法の提案
3つの要点 ✔️ 慢性腎臓疾患（CKD）の長期的な傾向を抽出する時系列深層学習モデルの提案 ✔️ ランダムサンプリングされた患者データによる T-LSTM を使用 ✔️ 不規則な時間特性を考慮した学習により、CKD患者特有のプロファイルを特定 Learning Deep Representations from Clinical Data for Chronic Kidney Disease written by Duc Thanh Anh Luong,Varun Chandola (Submitted on 1 Oct 2018 (v1), last revised 9 Feb 2019 (this version, v2)]) Comments: Published by arXiv Subjects: Machine Learning (cs.LG); Machine Learnin
【まとめ】ディープラーニングによる環境音の認識 - Qiita
とあるきっかけで、環境音の認識（歩く音や雨の音、掃除機の音など）について、 論文を調べたので、メモとして残しておきます。 せっかくなので、精度向上の歴史を振り返る形式で、書いていきます。 データセット 精度の基準となるデータセットをご紹介します。画像の認識では、ImageNetという圧倒的な データセットがあり、性能評価で用いられます。 一方、音の認識はImageNetほど巨大ではありませんが、ESC-50というデータセットが あります。今回の基準となるESC-50の概要は以下のとおりです。 犬の鳴き声やドアのノック音など50種類、2000個の音源を収録 音源の長さは5秒間 精度評価をするときは、学習用とテスト用に分けて(5-foldなど）それぞれ評価 音の前処理 画像の前処理は、通常255で割れば良く、非常に簡単です。 一方、音の前処理は通常logmelを用います。logmelで処理する
ディープラーニングの手法「CNN」の画像識別処理がアニメーションで理解できる「CNN Explainer」
「AI」や「機械学習」といった言葉を耳にすることが増えていますが、その仕組みを理解するのは難しいと感じる人もいるはず。ジョージア工科大学のAIに関する研究チームであるPolo Clubが、機械学習の代表的なモデルである畳み込みニューラルネットワーク(CNN)を視覚的に理解できるウェブアプリ「CNN Explainer」を公開しています。 CNN Explainer https://poloclub.github.io/cnn-explainer/ 実際にCNN Explainerを操作しているムービーは以下。 Demo Video "CNN Explainer: Learning Convolutional Neural Networks with Interactive Visualization" - YouTube CNNは機械学習における分類器のひとつで、ニューラルネットワークを用
異常検知ビジネスで活用できる外れ値検知手法まとめ - 元コンサルでデータサイエンティスト
機械学習の中でも教師なし学習に分類される分野として異常検知という技術があります。研究分野としては近年下火になりつつあるものの、人工知能やAIを使った異常検知技術はビジネス界隈では期待の大きい分野として有名です。 本記事では、異常検知分野のなかでも外れ値検知の一般的な手法についてまとめました。 目次 はじめに ホテリング理論 k-近傍法 (k-NN) Local Outlier Factor (LOF) One class SVM (Support Vector Machine) まとめ はじめに 外れ値検知はビジネスにおけるさまざまな場面で使用されています。 外れ値検知とは、正常時の状態から外れた点を見つけ出す異常検知の種類のひとつです。クレジットカードの利用状況の解析などでは、異常な行動を即時に検出することで被害の拡大を防ぐことができます。また、工場などのモニタリングでは、機械の異常状態
Local Outlier Factor (LOF) による外れ値検知についてまとめた - 元コンサルでデータサイエンティスト
教師なし学習に分類される異常検知技術のなかでも、外れ値検知という分野は近年多くのシステムで導入され始めています。今回は、外れ値検知技術のひとつであるLocal Outlier Factor (LOF) について紹介します。 目次 Local Outlier Factor (LOF) とは 定式化 まとめ Local Outlier Factor (LOF) とは LOF はあるデータの集まりの中から外れ値を見つけ出す外れ値検知アルゴリズムのひとつです。原論文*1は2000年に発表で最新技術とは言えないものの、現在も実務に耐えうる検知性能とシンプルな実装が魅力的な手法です。 LOFは空間におけるデータの密度に着目します。特に、自身の点から近傍 k 個の点といかに密かであるかを表す局所密度 (Local density) という指標に注目します。なお、ここでいう k 近傍とはある点から最も距離
Local Outlier Factor - Google 検索
2021/08/18 · Local Outlier Factor (LOF)の概要異常検知に用いられる手法の一つです。各点それぞれのk 個の近傍点との距離から局所密度を推定し、自身と近傍群の ...
R-CNNの原理とここ数年の流れ
2. Agenda - Introduction - R-CNNの原理 - 領域分け - CNN - 分類器 - R-CNNの問題点 - R-CNNの最近の動向 - SSD (Single Shot multibox Detector) の概要 - まとめ 2 3. R-CNN (Regions with CNN features) ('n03085013', 'computer_keyboard', 0.78958303) ('n04264628', 'space_bar', 0.13960978) ('n04505470', 'typewriter_keyboard', 0.050729375) ('n03793489', 'mouse', 0.0087937126) ('n04074963', 'remote_control', 0.0026325041) * 出典：人工知能に関する
ETL製品 徹底比較 - Qiita
今回はXplentyと他のETL製品について比較した記事をまとめて紹介します。ここで紹介するXplentyと各製品の比較ガイドでは、製品概要、統合機能の豊富さ、変換機能、コンプライアンス、カスタマーサポート、価格といった観点で比較しています。 ETL製品の導入や乗り換えを検討の際にお役立てください。 それぞれの比較タイトルをクリックすると比較ガイドへ遷移します。 Talend vs. Xplenty: 比較レビュー Talend Product Suiteは、あらゆる統合のためのワンストップショップであることを目指しています。ESB、iPaaS、API Gateway、またはETLプラットフォームが必要な場合でも、Talendはそれに対応するツールを持っています。 一方、XplentyはETLのみに焦点を当てたソリューションで、技術に詳しくないユーザーでも洗練されたデータ統合を構築できるよ
時系列データ分類に超高速な選択肢現る
3つの要点 ✔️ 時系列分類に対して、新しい観点の手法が提案 ✔️ 予測精度の高い線形分類をベースに学習時間を大幅に短縮 ✔️ 時系列データをシンボル表現に変換、トライ木の探索を途中で打ち切る（枝刈り）基準にχ二乗限界を使用 MrSQM: Fast Time Series Classification with Symbolic Representations written by Thach Le Nguyen, Georgiana Ifrim (Submitted on 2 Sep 2021) Comments: Published on arxiv. Subjects: Machine Learning (cs.LG) code： 本記事で使用している画像は論文中のもの、紹介スライドのもの、またはそれを参考に作成したものを使用しております。 はじめに 時系列データの分類についての論文
Data Scientist の基礎(2)参考文献 統計(40) - Qiita
Data Scientist の基礎(1) https://qiita.com/kaizen_nagoya/items/27d8f5db34ff747d587b ではデータについて扱った。 ここでは参考文献を一覧する。まず、Qiitaに記事のあるものから。 <この項は書きかけです。順次追記します。> This article is not completed. I will add some words in order. 2. 参考文献 @kozakai-ryouta 数値計算Ⅰ 朝倉書店 新谷尚義 https://qiita.com/kozakai-ryouta/items/2c389273a94711c08c3b https://bookmeter.com/books/4102536 データマイニングによる異常検知 共立出版 山西健司 https://qiita.com/kozaka
富士通・NECが「地銀勘定系システム」で淘汰される!?みずほ事変の裏で大地殻変動
すずき・ようこ／上智大学卒業後、工業系業界誌記者を経て2001年に週刊ダイヤモンド編集部に。電機・エレクトロニクス・IT、流通・小売り、建設・不動産、食品、精密機器業界などを担当。19年から特集担当チームで森羅万象を取材しています。主な担当特集は東日本大震災復興関連の一連の特集(2011～15）、「アームvsインテルvsエヌビディア」「登山の経済学」「肉と魚の経済学」「最強の節税」「タワマン 全内幕」「不要？生き残る？ ITベンダー＆人材 大淘汰」「部長と課長のがん対策」「DX狂騒曲 天国と地獄」「マンション管理天国と地獄」「ヤバい！DX2023」「ビッグバン！宇宙ビジネス」「インフレ時代の「負けない」マンション売買・管理」「半導体160社図鑑」「DX180社図鑑」など。8歳児の母、趣味は登山と筋トレ。今期の標的は上腕三頭筋と外腹斜筋。 不要？生き残る？ ITベンダー＆人材 大淘汰 バック
日本人は国際的に低い給料の本質をわかってない
コンテンツブロックが有効であることを検知しました。 このサイトを利用するには、コンテンツブロック機能（広告ブロック機能を持つ拡張機能等）を無効にしてページを再読み込みしてください。 ✕
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
Neural Network Console概説： GUIで直感的にディープラーニングしよう！
IsolationForest example
異常検知とは？その手法とAIとの関係性を解説
総務省が「クラウドサービス提供における情報セキュリティ対策ガイドライン（第3版）」を公表
「考えすぎて深みにハマる」かくれ繊細さんが陥りがちな“ぐるぐる思考“を止める方法（ヨガジャーナルオンライン） - Yahoo!ニュース