西鳥羽です。こんにちは。 本日セミナーで「Deep Learningと音声認識」という内容で(ustreamで公開されているけども)社内セミナーで紹介させて頂きました。タイトルは前回の「Deep Learningと自然言語処理」に被せてます。 Broadcast live streaming video on Ustream こちらがその資料になります。尚、セミナーでは「話し言葉コーパス」とすべきところを「書き言葉コーパス」としてしまっていました。資料では訂正してあります。
![Deep Learningと音声認識 - Preferred Networks Research & Development](https://cdn-ak-scissors.b.st-hatena.com/image/square/92e9d18a95fa6b2a70df179fd38f027e7d66dcd6/height=288;version=1;width=512/https%3A%2F%2Ftech.preferred.jp%2Fwp-content%2Fuploads%2F2019%2F11%2Fogimage.png)
Connectionist Temporal Classification (CTC) with Theano This will be the first time I’m trying to present code I’ve written in an ipython notebook. The style’s different, but I think I’ll permanently switch to this method of presentation for code-intensive posts from now on. A nifty little tool that makes doing this so convenient is ipy2wp. It uses WordPress’ xml-rpc to post the HTML directly to t
HMM:隠れマルコフモデル 電子情報工学科 伊庭 斉志 一次マルコフ連鎖 状態集合 S={1,2,…n} 遷移確率(k→l) akl 隠れマルコフモデル(Hidden MM:HMM) 出力記号集合Σ 出力確率(状態から出力記号への写像) ek(b) : S → Σ マルコフモデルと 隠れマルコフモデル HMM≒有限オートマトン+確率 定義 出力記号集合Σ 状態集合 S={1,2,…n} 遷移確率(k→l) akl 出力確率 ek(b) 開始状態 終了状態 0.4 0.6 0.3 0.7 0.5 0.5 1 2 3 A: 0.2 B: 0.8 A: 0.7 B: 0.3 A: 0.1 B: 0.9 隠れマルコフモデル(HMM) Rain Dry 0.7 0.3 0.2 0.8 • 2つの状態: ‘Rain’ と ‘Dry’. • 推移確率:
人工知能が洋服を選んでくれる ユーザー7万人突破のファッションAIアプリ「SENSY」が目指すもの:“未来IT”で世界を変える すごい国産スタートアップ(1/3 ページ) 「いわば、自分のクローンを育てるような感覚です」。ファッションの好みを伝えれば人工知能(AI)が学習し、ユーザーの嗜好に合わせた服を提案してくれる。2011年創業のスタートアップが手掛ける「SENSY」(iPhone/Android向け)は、誰もが気軽に無料で使える「ファッションAIアプリ」だ。 チャット風の画面で提案された服に「いまいち」「いいね」どちらかの評価を付けると、ユーザーの好みを学習。最初の提案はランダムだが、使えば使うほど好みに近い服を勧めてくれるようになる。 開発したのは、従業員13人のスタートアップ、カラフル・ボード(東京都渋谷区)。2014年11月にアプリの提供をスタートし、最初の1年間でダウンロード
(左:Keras、右:MXnet) Kaggle Masterの間ではMXnetよりさらに人気なDeep Learningフレームワークというかラッパーが、@fchollet氏の手によるKeras。 Keras Documentation 結構苦心したのですが、ようやく手元のPython環境で走るようになったので、試してみました。なおKerasの概要と全体像についてはid:aidiaryさんが詳細な解説を書いて下さっているので、そちらの方を是非お読み下さい。 追記 Kerasは人気のフレームワークなので、僕なんぞがこんなブログ記事を書く前から素晴らしい紹介記事・スクリプトが幾つもあります。こちらでは参考までに以下のお二方のものをご紹介させていただきます。 Kerasはレゴブロックを組み合わせるかのようにして、簡単にディープラーニングのモデルを作成できる便利なライブラリです。これを使って楽し
株式会社Studio Ousia(本社:神奈川県藤沢市、代表取締役:渡邉安弘、山田育矢)で開発中の人工知能による質問応答システムが、自然言語処理における著名な国際会議であるNAACL (North American Chapter of the Association for Computational Linguistics) 内で開催されたQ&A形式のクイズコンペティション1 において、他のシステムに大きな差をつけて優勝しました。 本コンペティションは、該当分野で世界的に著名な米コロラド大学ボルダー校の研究チームが開催しているもので、クイズボウルと呼ばれるクイズゲームにおける回答精度を競いました。また、本コンペティションには、世界中から17チームが参加しました。 当社のシステムは、85問の質問中、64問に正解し、二位以降のシステムに回答精度において大きな差をつけました。また、二位のシス
Speaker: Lydia Di Francesco In this workshop, participants will delve into the realm of AI and its profound potential to revolutionize employee wellness initiatives. From stress management to fostering work-life harmony, AI offers a myriad of innovative tools and strategies that can significantly enhance the wellbeing of employees in any organization. Attendees will learn how to effectively levera
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