dovecot-2.x用のDRAC(Dynamic Relay Authorization Control)プラグインです。dovecot-1.x用に公開されている以下のコードを、dovecot-2.x用に移植しました。 http://dovecot.org/patches/1.1/drac.c
DRAC plugin for Dovecot-2.x プロジェクト日本語トップページ - OSDN
dovecot-2.x用のDRAC(Dynamic Relay Authorization Control)プラグインです。dovecot-1.x用に公開されている以下のコードを、dovecot-2.x用に移植しました。 http://dovecot.org/patches/1.1/drac.c
事故られて事故った - 『かなり』
どうも、坂津です。 盛大に事故られました。 そりゃもう凄まじき事故です。 交差点内で右折しようとして停止してるとこに正面から突っ込んで来たんですよ。 あまりにも一瞬の出来事で、何かすごい衝撃を受けたなって思ったらエアバッグに埋もれていました。 舌を噛んだ以外は、特に怪我はありませんでした。 愛車は大破でレッカー必須。 私はショックで茫然自失。 耳障りな金属音を立てつつどうにかドアを開けて車外に出ました。 ほぼ同時くらいに、相手の車からも運転手が降りてきました。 坂津「・・・死んだかと思った・・・」 相手「っざけんなよテメェ！」 坂津「ファ？」 相手「警察呼べよオラァ！」 坂津「え・・・えぇ、良いですケド・・・」 中肉中背の中年がやたらウェイウェイ言ってきます。 まずは「ごめんなさい」とか「大丈夫ですか」じゃないのかな。 まぁ事故った時ってかなりテンパるし、前後不覚なのかな。 坂津「警察、も
千葉市長選 現職の熊谷氏 当選確実 | NHKニュース
任期満了に伴う千葉市長選挙は２８日に投票が行われ、無所属の現職で、民進党千葉県連と公明党千葉県本部が支持する熊谷俊人氏が、３回目の当選を確実にしました。 ＮＨＫの情勢取材や、投票を済ませた有権者を対象に行った出口調査などでは、無所属の現職で、民進党千葉県連と公明党千葉県本部が支持する熊谷俊人氏が、共産党が推薦する新人を大きく引き離して極めて優勢で、今後、順調に得票を伸ばすと見込まれることから、熊谷氏の３回目の当選が確実になりました。 熊谷氏は３９歳。大手通信会社に勤務したあと、千葉市議会議員を務め、８年前、当時の市長が汚職事件で辞職したのに伴う市長選挙で初当選しました。 今回の選挙戦で、熊谷氏は、子育て支援策の充実や財政の立て直しに取り組んできたことを実績として強調したうえで、高齢者などが住み慣れた地域で医療や介護を受けられる仕組みづくりや、商業施設の閉鎖が相次いだ中心市街地の活性化に向け
ドメインにより意味が変化する単語の抽出 - にほんごのれんしゅう
ドメインにより意味が変化する単語の抽出 立命館の学生さんが発表して、炎上した論文を、わたしもJSAI2017に参加していた関係で、公開が停止する前に入手することができました 論文中では、幾つかのPixivに公開されているBL小説に対して定性的な分類をして、終わりという、機械学習が入っていないような論文でしたので、わたしなりに機械学習を使ってできることを示したいという思いがあります。（そんなに大変な問題でないように見えて、かつ、問題設定も優れていたのに、なぜ…） 炎上に対して思うところ(主観です) PixivのBLのコンテンツを参照し、論文にハンドル名を含めて記述してしまっており、作家の方に精神的な不可をかけてしまうという事件がありました。 非常にRTされている代表的なツイートは、以下のようになっています。 （該当ツイートは盗用との指摘を受けたので消しました、検索すれば出るものなで、大乗だと
"How to Train a GAN" at NIPS2016 workshopのメモ - 緑茶思考ブログ
NIPS2016でのWorkshop on Adversarial Training「How to train a GAN」での， GANを学習させるTipsのまとめ。 Workshopの動画 （30分程度で軽めなので観てみると良いと思います） www.youtube.com 以下は登壇者による↓のメモ https://github.com/soumith/ganhacks 前置き GANは現状House of cardsのようなもの． Generator，Discriminatorが上手く学習しているのかわからない 上手く言ってると思ったら突然崩壊する モデルの評価が難しい まだまだ発展途上で，今後新たなアルゴリズムや理論が登場する見込み． だが現状，以下のようなテクニックは重要と思われる． (以下のテクニックはZero scienceで単なるHackだと述べている） 1. 入力を正規化
Convolutional Methods for Text
tl;drRNNS work great for text but convolutions can do it fasterAny part of a sentence can influence the semantics of a word. For that reason we want our network to see the entire input at onceGetting that big a receptive can make gradients vanish and our networks failWe can solve the vanishing gradient problem with DenseNets or Dilated ConvolutionsSometimes we need to generate text. We can use “de
The Marginal Value of Adaptive Gradient Methods in Machine Learning
Adaptive optimization methods, which perform local optimization with a metric constructed from the history of iterates, are becoming increasingly popular for training deep neural networks. Examples include AdaGrad, RMSProp, and Adam. We show that for simple overparameterized problems, adaptive methods often find drastically different solutions than gradient descent (GD) or stochastic gradient desc
Jupyter Notebookでプレゼンをするとっても便利な方法 - Qiita
Jupyter Notebookを簡単にプレゼンスライドにする方法 Jupyter Notebookを使ってプログラミングのプレゼンをする方を頻繁に見かけます。 多くの場合、Notebookをそのまま使って、画面を少しずつスクロールダウンながらプレゼンをしているようです。 プログラムを実行しては、ブラウザ画面を少し下に移動して、またプログラムを実行する、という流れです。 私もよくやります。 Jupyter Notebookはプログラムを順次実行して結果を見せながら説明できるため、この流れで話すとわかりやすいのですが、しかしこのやり方、案外不便でプレゼン中にマゴマゴすることが多々あります。 原因は２つあると思います。 プログラムの文字が小さい ブラウザを程よい位置に下げるのが難しく、画面端が切れる 実際にやってみるとこの図のようになります。 プレゼンしてる側もプレゼンを見ている側も、案外不便
のほほんのおと 【ITトリビア】 suは"スイッチユーザ"ぢゃない
LinuxなどのUNIX系OSのコマンドに「su」というのがありますが、これが「switch user」の略だと思っている人が多いですね。 かくいう私も長い事そう思っていた時期がありました。 あるいは「super user」派も多いです。 では、正しくはなんなのか？ 「substitute user identity」の略だそうな。 substituteって英語力の無い自分には馴染みの無い単語だったので、Yahoo!辞書でひいてみました。 [名] 1 （…の）代わりをする人［物］，代理人，身代わり，代役，補欠，代用品，代用食((for ...)) なるほど、な感じですな。 ちなみに初期の頃は「super user」の略だったようです。 その頃は名前の通り、rootになる機能しか無かったと。 その後、任意のユーザになる機能も付与され、「substitute user identity」の略に
Applying deep learning to real-world problems
The rise of artificial intelligence in recent years is grounded in the success of deep learning. Three major drivers caused the breakthrough of (deep) neural networks: the availability of huge amounts of training data, powerful computational infrastructure, and advances in academia. Thereby deep learning systems start to outperform not only classical methods, but also human benchmarks in various t
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
