サクサク読めて、アプリ限定の機能も多数!
トップへ戻る
画力アップ
kiyukuta.github.io
MeCabの分かち書きの出力を基本形で行う <訂正> こちらの記事に,同じ話題をより良い方法で実現する方法があると教えていただきました. MeCabの出力フォーマット - 唯物是真 @Scaled_Wurm 公式の 出力フォーマット一覧 も改めて見たらちゃんと乗ってました,流し読みしてしまっていた... 必要になったので,MeCabの分かち書き(-Owakati)での出力を, 表層形でなく基本形として出力するオプション(-Owakati_lemma)を追加で書いてみました. % echo "諦めんなよ!" | mecab -Owakati 諦めん な よ ! % echo "諦めんなよ!" | mecab -Owakati_lemma 諦める な よ ! MeCab 自然言語処理界隈で知らない人はいないであろう,オープンソースの形態素解析エンジン. Wikipedia記事: http://
これもある意味Deep Learning,Recurrent Neural Network Language Modelの話 [MLAC2013_9日目] この投稿は Machine Learning Advent Calendar 2013 の9日目の記事です. 本日は,Neural Network(NN)を利用したLanguage Model(LM),つまりNeural Network Language Model(NNLM)の一種であり, Recurrent Neural Network(RNN)を使ったRecurrent Neural Network Language Model(RNNLM)について説明します. RNNLMに行く前置きとしてざっくりいくつか用意したので,知ってそうな人は先へ進んでください. 前置きを入れているうちに長くなりすぎた.... しかも,そもそもNNの説明
自然言語処理まわりのDeep Learningを自分なりにまとめてみた “自然言語処理のためのDeep Learning”というスライドを公開しました. 自然言語処理のためのDeep Learning from Yuta Kikuchi カジュアルな感じで自然言語処理まわりのDeep Learningの話題をまとめた感じになっています. きっかけは,勉強会をしていることを知ったOBのbeatinaniwaさんにお願いされたことで, 株式会社Gunosyの勉強会の場で,発表の機会を頂きました. それが,9/11で,その後9/26に研究室内で同じ内容で発表しました. どちらも思った以上に好評を頂け,公開してはと進めて頂いたので,公開することにしました. もちろん間違いが含まれている可能性も多分にあるので.気づいた方はご指摘頂けると幸いです. 内容ざっくり 前半は,ニューラルネットワークを図を使
A yet another brief introduction to neural networks 過去にニューラルネットワークについて発表したスライドを改訂したものをslideshareアップしました. 説明を簡略化するために,細かい式の導出やバイアス項などはスルーしています. なんとなくネットワークのイメージや計算の流れが分かってもらえたらという気持ちで作りました. それにしてもこれは説明しないとだろ,って所は指摘して頂けるとありがたいです. A yet another brief introduction to neural networks from Yuta Kikuchi そして,はじめてslideshareを使ったのだけど,Tinkererへの埋め込みがうまくいかなかった... が,こちらの記事の方法で解決しました. [雑記][はてな]slideshareの仕様変更(?)
Hello Autoencoder 最近,身内でDeep Learningを題材に含んだ勉強会を行なっている. メインは専門である自然言語処理まわりだが, とりあえず実装(というよりnumpy)の導入になる上,結果を視覚化できることから, 画像データを利用したAutoencoderの実装について取り扱った. 軽い説明と共にコードと,色々な結果を Autoencoder Autoencoderとは,Neural Networkの特殊系で,基本的には 入力層と出力層のユニット数が同じである. 教師信号として入力そのものを与える. という特徴を持つ. 入力と出力が共に4次元で,隠れ層が2次元なAutoencoderの図 Autoencoderは,入力の情報をを一度隠れ層の空間に写像(encode) したあと, 元の信号を復元(decode)するようなパラメータを学習する. 図のように,もしも隠れ
このページを最初にブックマークしてみませんか?
『ホーム — KiyuHub』の新着エントリーを見る
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