サクサク読めて、アプリ限定の機能も多数!
トップへ戻る
小野伸二選手 引退
sunpro.io
第1章 機械学習でμ'sの声を識別する 1.1 はじめに こんにちは、hideo54です。灘高校で高校2年生をしています。最近の口癖は「受験したくない」です。これまでずっとSunPro会誌に記事を出してきましたが、もしかすると高校生でSunPro会誌の記事を執筆するのはこれが最後かもしれない……?! さて、僕は今年1月のNHKでの再放送をきっかけとして今更ラブライブ!にハマってしまったわけですが、この記事ではタイトル通り、μ'sのメンバーの声を学習し、誰が歌っているのか判別できるようにした話をします。 この手の分野に対して全くの素人である僕がやる気になった動機として、学校の物理の授業で音について学習した際、先生がPCを持ち込んで、声の波形や、人によって波形が異なる様子を実演してくれたことで、なんとなくしか知らなかった、頑張ったら音を機械的に解析できそうだということが実感できたという出来事が
突然ですが、異世界にいきなり飛ばされたら、あなたは何をしますか? 世界を救う?世界を滅ぼす?ヒロインと結ばれる?どれも魅力的ですが、エンジニアないしプログラマーであるあなたにはもっと他にやることがあるはずです。 それは……そう、コンピューターを作ることです。 あなたが異世界転生して最初にするべきことは、蒸気機関を作ることなのです。 1.1 はじめに SunPro代表の博多市(@hakatashi)です。 近年、といっても最近十年程度のことですが、異世界ものと呼ばれる小説のジャンルが興隆を見せています。 「異世界もの」と呼ばれるジャンルの小説には、物語の進行に一定のパターンが存在します。即ち、現実世界とは異なる場所に存在する異世界の存在を仮定し、主人公がそこに転移、もしくは転生することによって物語が導入され、主人公のまったく新しい人生が新しい仲間とともに始まる……というものです。このジャンル
第1章 ディープラーニングでご飯を作ってみる 1.1 はじめに こんにちは。SunProメンバーのhiromu(@hiromu1996)です。今回は、世間で何でもできると話題になっているディープラーニングについて、本当は何でもできるのであれば、この空いたお腹も満たしてくれようということで、ディープラーニングでご飯を作ってみるということに挑戦してみました。 ……という出落ち記事です。実際は、ディープラーニングを使った画像生成アルゴリズムとして最近話題になっている「Deep Convolutional Generative Adversarial Network (DCGAN)」でご飯の画像を生成するということに挑戦してみました。 対象について この記事では、DCGANやその実装について詳しい解説をせず、むしろ公開されている実装をベースにして話を進める予定です。なので、この記事の対象は、以下の
2016年、インターネットが日本中のあらゆる人間に行き渡るようになってから、すでに10年単位の時間が経過しています。今日においてインターネットを支えるネットワーク技術が重要であることは言うまでもありませんが、実際にネットワークでどのタイミングで何が起こり、どれくらいの時間が費やされるのかということを身を持って体感している人は、たとえネットワークに精通している人でも少ないのではないでしょうか?この記事では、1秒というわずかな時間を1年にまで拡大し、ネットワーク上で何が起こっているかを人間スケールでざっくりと解説していきます。 2.1 はじめに たぶんはじめまして。博多市(@hakatashi)です。今回は技術書典向けの小企画として、「インターネットの1秒がもし1年だったら」というだいぶ抽象的で怪しい記事を書こうと思います。 インターネットというのは光の速さを身をもって感じることができるメディ
こんにちは。SunProメンバーのhiromu(@hiromu1996)です。今回は、世間で何でもできると話題になっているディープラーニングについて、本当は何でもできるのであれば、この空いたお腹も満たしてくれようということで、ディープラーニングでご飯を作ってみるということに挑戦してみました。 ……という出落ち記事です。実際は、ディープラーニングを使った画像生成アルゴリズムとして最近話題になっている「Deep Convolutional Generative Adversarial Network (DCGAN)」でご飯の画像を生成するということに挑戦してみました。 2016年、インターネットが日本中のあらゆる人間に行き渡るようになってから、すでに10年単位の時間が経過しています。今日においてインターネットを支えるネットワーク技術が重要であることは言うまでもありませんが、実際にネットワークで
第1章 はじめに この記事は、統計的声質変換について基礎から解説し、Pythonによる実装を示しながら、固有声という概念を用いた多対多の声質変換まで辿り着くことを目的としている。ただし、混合ガウスモデルやEMアルゴリズムなどの機械学習や統計処理に関する部分や、音声特徴量の抽出など音声分析や音声合成に関わる部分には深く立ち入らず、次章で軽く触れるのみとする。 また、この記事で用いるPythonコードはすべてPython 2.7.10で動作を確認しており、ライブラリについては以下の通りである。 matplotlib: 1.5.0 numpy: 1.9.2 scikit-learn: 0.17 scipy: 0.15.1
頒布情報「SunPro会誌 2016」ツイート機械学習で石川啄木の未完の短歌を完成させる@hakatashiHTMLPDF(1.1MB)実装でわかる統計的声質変換@hiromu1996HTMLPDF(2.8MB)絵を描いて理解する圏論kinokkory (@shiatsumat)PDF(11.2MB)Raspberry Pi で照明のスイッチと永遠におさらばする方法@hideo54HTMLPDF(2.2MB)
このページを最初にブックマークしてみませんか?
『SunPro 2017技術書典』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