Crfと素性テンプレート
SSII2021 [OS2-01] 転移学習の基礎：異なるタスクの知識を利用するための機械学習の方法 6月10日 (木) 11:00 - 12:30 メイン会場（vimeo + sli.do） 登壇者：松井 孝太 氏（名古屋大学） 概要：転移学習とは、解きたいタスクに対して、それと異なるが似ている他のタスクからの知識（データ、特徴、モデルなど）を利用するための方法を与える機械学習のフレームワークです。深層モデルの学習方法として広く普及している事前学習モデルの利用は、この広義の転移学習の一つの実現形態とみなせます。本発表では、まず何をいつ転移するのか (what/when to transfer) といった転移学習の基本概念と定式化を説明し、具体的な転移学習の主要なアプローチとしてドメイン適応、メタ学習について解説します。
自然言語処理では複雑なモデルの CRF は使いどころがないのだろうか - 武蔵野日記
今日はちょっと時間がなかったので男女共同参画室のランチミーティングはそこそこに抜けさせてもらう。在宅勤務ができるかどうかの調査を頼まれたのだが、調査期間になっている7月18-31日のうち、半分以上休暇を取る予定なのだけど……。 まあ、自分に関しては、大学での仕事のうち、在宅勤務が不可能なのは勉強会出席くらい。うち、毎週出席する必要がある(自分以外に毎週出るスタッフがいない)勉強会は2つ、これとは別に研究室全体のミーティングがあり、それぞれ2-3時間程度なので、合算すると週9時間程度。現在全部別々の曜日にあるが、まとめると週2-3日勤務までは短縮できると思われる。個別のミーティングであれば、どうしても必要なら Skype を使えばいいし。(そもそも「在宅」と言われても歩いて5分のところに家があるので、在宅でやる意味はないのだけど) いや、なんとなれば勉強会も Skype で中継してもいいし…
a hybrid markov/semi-markov cnf
名前だけ知りつつもどんな物なのか知らなかったので、5月に semi-markov crf の論文 を読んでみました。 semi-crf は入力系列に対する最適なセグメンテーションを学習する学習器です。 crf が P(Y|X, W) を求めていたのに対して、semi-crf では P(S|X, W) を推定します。 文章で書くと、2つの違いは * crf では入力系列 X に対して生成されうるすべてのラベル系列 Y' に対して、正解系列とそれ以外の系列を弁別するよう学習する * semi-crf では入力系列 X に対して生成されうるすべてのセグメンテーション結果 S' に対して、正解のセグメンテーションとそれ以外のセグメンテーションを弁別するよう学習する ということになります。 semi-crf では入力系列が与えられた際に、t_j , ... , u_j までを1つのセグメント s_j
FlexCRFs: Flexible Conditional Random Fields
FlexCRFs is a conditional random field toolkit for segmenting and labeling sequence data written in C/C++ using STL library. It was implemented based on the theoretic model presented in (Lafferty et al. 2001) and (Sha and Pereira 2003). The toolkit uses L-BFGS (Liu and Nocedal 1989) - an advanced convex optimization procedure - to train CRF models. FlexCRFs was designed to deal with hundreds of th
■ - あしたからがんばる ―椀屋本舗
昨日はまた黒橋研と勉強会。今回はCRF＋CNF。CRFは少し前NLPで流行ったのでみんな知っていると思うけど、Conditional Random Fields（条件付き確率場）のこと。CRFはHMMなどの生成モデルと比較して識別モデルと呼ばれ、HMMの問題である、独立ではない事象をパラメータに含むということができる。これは、入力をx,ラベルをyとするときに、P(y|x)を直接推定することでxからのyの予測を直接的に行う、ということに起因している。HMMなど普通の言語モデルではP(y,x)=P(y|x)P(x)を考えるため、P(x)の学習データを大きくしなければエルゴード性が保証されず、学習がうまくいかない。つまり、CRFはHMMよりも少ない学習で適切な識別が行えるようになるため、識別という点においてはHMMよりも優秀、ということだろうか。これは形態素解析のように、問題をある入力に対するラ
A Conditional Random Field for Multiple-Instance Learning
A Conditional Random Field for Multiple-Instance Learning Thomas Deselaers deselaers@vision.ee.ethz.ch Vittorio Ferrari ferrari@vision.ee.ethz.ch Computer Vision Laboratory, ETH Zurich, Zurich, Switzerland Abstract We present MI-CRF, a conditional random field (CRF) model for multiple instance learning (MIL). MI-CRF models bags as nodes in a CRF with instances as their states. It combines discrimi
Radiobots – 人工知能ラジオ番組
私たち（木村・ジェプカ・高丸）は、ラジオ番組のパーソナリティとリスナーの関係を参考にした対話処理の新しい枠組みを提案しています。従来の対話システムでは、応答の品質向上に焦点を当てていて、継続して利用するしくみや入力の負荷についてはあまり考えられていない(はず…)。 研究代表者 小樽商科大学 木村泰知 従来研究との違い 関連業績 木村泰知, ジェプカラファウ, 高丸圭一, “Radiobots型対話システムの提案”, JSAI2015. … Radiobots型対話システムの実装例 Radiobots型対話システムの実装例(2015年12月) Radiobots型「Pepperで小樽商科大学を紹介する」対話システムの実装例(2016年06月)
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
http://jaist.dl.sourceforge.net/project/flexcrfs/flexcrfs/0.3/FlexCRFs-Manual.pdf
http://vietlabs.com/crf-sl/
http://www.cs.umass.edu/~mccallum/papers/gecrf08acl.pdf
https://github.com/shuyo/iir/blob/master/sequence/crf.py
HMM, MEMM, CRF まとめ - あらびき日記
Joseph Bradley
重複する素性を持つ N グラム言語モデル 松原 勇介 † 宮尾 祐介 † 辻井 潤一 †‡ † 東京大学大学院情報理工学系研究科 ‡ School of Computer Science, University of Manchester National Centre for Text Mining,
<4D6963726F736F667420576F7264202D208B408A428A778F4B836583938376838C815B83678389834383758389838A82F0977082A282BD89708CEA504F53835E834B815B332E352E646F6378>
LIMEDIO
https://dlgateway.acm.org/delivery.cfm?urlpath=10.1145/1620000/1610140/p465-andrew.pdf?key1=1610140&key2=0552851721&coll=GUIDE&dl=GUIDE&CFID=86659584&CFTOKEN=25554352
Semi-Markov conditional random fields for accelerometer-based activity recognition - Applied Intelligence
http://www.cs.umass.edu/~mccallum/papers/crf-tutorial.pdf
untitled