Tomohiro Inoue, Associate Professor, Komazawa University 『AI時代の新・ベーシックインカム論』の著者。ベーシックインカム導入の必要性を、「AI時代で雇用が不安視される中、所得格差や低所得化を防ぐため」と説いた。財源は当面国債とし、月額7万円を提案した。「この額であれば、労働意欲をそぐことなく、就労を促すだろう」と。 司会 竹田忠 日本記者クラブ企画委員(NHK)
![「議論再燃!ベーシックインカム」(1) AI時代にはBIが不可欠 井上智洋・駒沢大学准教授 2018.5.22 - YouTube](https://cdn-ak-scissors.b.st-hatena.com/image/square/3ab6b292c6cd59cc85b761bf5504c6f8815747eb/height=288;version=1;width=512/https%3A%2F%2Fi.ytimg.com%2Fvi%2Fi_OAAPfnMjc%2Fhqdefault.jpg)
前回は、線形回帰・ロジスティック回帰および(シンプルな)ニューラルネットワークの出力の式を理解するところまでを考えてみました。今回はその続きを考えていきます。 一番基本的な式は線形回帰の \[ y = wx + b \] という直線の式でしたが、では、この傾き \(w\) と切片 \(b\) はどのように求めればいいでしょうか? これら \(w\)、\(b\) が、いわゆるモデルのパラメータになります。このパラメータを最適化する(=きちんと求める)ことで、線形回帰が引く直線は、「データの関係性を最もよく表す直線」になるわけです。 この式が \(y = \boldsymbol{w}^T\boldsymbol{x} + b\) になっても、あるいはロジスティック回帰の \(y = f\left(\boldsymbol{w}^T \boldsymbol{x} + b\right) \) という式
pandasのDataFrame, SeriesとNumPy配列ndarrayを相互に変換する方法を説明する。 DataFrame, Seriesをndarrayに変換するにはto_numpy()メソッドかvalues属性、ndarrayをDataFrame, Seriesに変換するにはそれぞれのコンストラクタを使う。 DataFrame, SeriesとPython組み込みのリスト型listの相互変換、DataFrameとSeriesの相互変換については以下の記事を参照。 関連記事: pandas.DataFrame, SeriesとPythonのリストを相互に変換 関連記事: pandas.DataFrameとSeriesを相互に変換 本記事のサンプルコードのpandasとNumPyのバージョンは以下の通り。バージョンによって仕様が異なる可能性があるので注意。 import panda
前回までRNN(LSTM)や他の識別器で為替の予測を行ってきましたが、今回はCNNで予測をしてみたいと思います。 第1回 TensorFlow (ディープラーニング)で為替(FX)の予測をしてみる 第2回 ディープじゃない機械学習で為替(FX)の予測をしてみる データの準備 前回まで終値の差分を学習データとしていましたが、今回は終値そのものを学習データにしてみます。 また、今回はUSDJPYの1時間足、2008年1月1日〜2017年3月10日を利用し、前半95%を学習、後半5%をテスト(バリデーション)としました。 CNNは画像認識で高い精度を発揮していますが、画像以外でも応用することは可能です。例えば終値が以下のようなデータがあったとします。 これを画像に変換します。 このように1次元の画像と見なすことができます。 色が複数チャネルあるように見えますが実際はグレースケールです。カラーマッ
本シリーズでは、「FXの予測プログラム」を作りながら、機械学習・ディープラーニングを解説します。 (注)のび太くんは有名漫画のキャラとは一切関係ありません。 この物語は、大学生のび太くんが、家庭教師のすぐるさんから機械学習を学び、将来D-mind社を起業して、汎用人工知能搭載型ロボットを誕生させるまでの記録です。 これまでのお話 のび太くんはiPhone Xを買うために、FX予測プログラムを作成しようと、すぐるさんから機械学習を学び始めました。 第1話:のび太、if文でFXを予想する 第2話:のび太、線形回帰を学ぶ 今回は、前話で学習した線形回帰を利用して、ついにのび太くんのFX予想プログラムが完成します。 (注)本ページを参考にして生じた損益については責任を持てませんので、あしからず。 第3話:のび太、完成:FX予測プログラム(線形回帰版) さて、のび太くん、本日は「線形回帰」を利用した
G1サミット2016 第7部 分科会B「人工知能が生み出す大変化 ~最前線で何が起きているのか~」 GoogleやFacebook、トヨタ、リクルートといった企業が人工知能技術の研究・開発に次々と参入し、あらゆる産業の構造を大きく変えようとしている。インターネット上に蓄積された膨大なデータと人工知能の解析技術が融合することによって、どのようなビジネスが新たに生まれるのか。いまや技術的なブレイクスルーを超えた人工知能の発展は、我々の生活や社会にどのような変革をもたらすのか。人工知能が変えるビジネスと来たるべき社会の姿を議論する(肩書きは2016年3月20日登壇当時のもの)。 北野 宏明 株式会社ソニーコンピューターサイエンス研究所 代表取締役社長、所長 松尾 豊 東京大学大学院工学系研究科 特任准教授 守本 正宏 株式会社UBIC 代表取締役社長 牧野 正幸 株式会社ワークスアプリケー
知見録ウェブ http://globis.jp/ アプリ http://yapp.li/go/globis グロービス特別セミナー 人工知能の未来 ~ディープラーニングの先にあるもの~ Part1/2 近年、人工知能の研究者たちの大きな注目を集めている技術がある。人工知能分野における50年来のブレークスルーとも言われる「ディープラーニング(Deep Learning)」である。今までの人工知能は、現実世界の現象の「どこに注目し、どれが重要か」を人間が決めており、コンピュータが決めていなかった。しかし、ディープラーニングは、蓄積されたデータをもとに、コンピュータ自体が決め、人間と同じように経験に基づいた行動をすることを可能にしようとしている。この分野で、トップランナーの一人である東京大学・松尾豊氏。ディープラーニングを使った人間を超える画像認識技術、今後の展開や社会への影響などを語る(視
三橋貴明オフィシャルブログ「新世紀のビッグブラザーへ blog」Powered by Ameba 三橋貴明オフィシャルブログ「新世紀のビッグブラザーへ blog」Powered by Ameba 株式会社経世論研究所 講演・執筆依頼等、お仕事のご依頼はこちらから 三橋貴明のツイッター はこちら 人気ブログランキング に参加しています。 ◆◆◆◆◆◆◆◆◆◆◆◆ 『移民政策のトリレンマ(後編)①』三橋貴明 AJER2017.3.28 https://youtu.be/KebYl0oUkzA ◆◆◆◆◆◆◆◆◆◆◆◆> ◆◆◆◆◆◆◆◆◆◆◆◆ 北朝鮮に向かっている空母カールビンソンを主力する打撃群に、海上自衛隊が合流し、共同訓練を実施するとの報道が流れています。 『海自、カールビンソンと共同訓練へ…北をけん制 http://www.yomiuri.co.jp/politics/2017041
次世代システム研究室のJK(男)です。よろしくお願いします。 今回はDeep Q-Learningという手法でFXをやってみたので紹介します。前回のブログでは、LSTMというディープラーニング(Deep Learning; 深層学習とも)の一種を使って、株価変動の予想をしました。これは「教師あり学習」という手法で、コンピュータに常に「正解」を教えて学習させます。でも、よくよく考えると金融商品って時間変動の予想が最終目標じゃないですよね。最終目標は(基本的に)金融商品の売買で儲けること。つまり予想を元に、いま売るのか、買うのか、何もしないのか、という「行動」を決めることです。完全に未来がわかるのでもない限り、この行動に「正解」が無いことがわかります。 完全に予想するのは無理(短期的には買ったり負けたり)かもしれませんが、長期的には儲けるような「方針」は立てられるかもしれない。このように「方針
Photo via Visual Hunt 少し前のことですが、AlphaGoという囲碁の人工知能プログラムがイ・セドル九段に勝利したことで話題になりました。*1 また、一部のゲームにおいて「DQN(Deep Q-network)」が人間よりも上手くプレイするようになったというニュースも話題になっていましたね。*2 今回はこれらの事例で使われている「深層強化学習」という仕組みを使って、FXのシステムトレードができないかと思い、調べてみました。 注意:強化学習もFXも勉強し始めたばかりなので、色々間違っている箇所があるかもしれません。ご指摘いただけると幸いです。 今回の内容 1.強化学習について 1-1.強化学習 1-2.Reinforcement Learning: An Introduction (2nd Edition) 1-3.UCL Course on RL 1-4.強化学習につい
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
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