無事でいてくれ、ピーチ姫。music : mamomo [user/766148]illustration : mamomo3/9 亡者の都から sm28386511mylist/45474220『Hometown』『Tower』iTunes、Amazonにて配信しております。詳細 http://www.s-mamomo.com/archives/1600
冨樫先生がハンターハンターを休載した後、約1年半、休み休みではありますが続けてきたこの毎水Instですが、4/18より冨樫先生の連載が再開するとのことなので、今回を持ちましてこちらは休載とさせていただきます。長い間お付き合いいただきありがとうございました。再開は、冨樫先生が休載した後になります。あるかどうかはわかりませんが、それがすぐでないことを祈ります。それでは、お元気で。music : mamomo [user/766148]illustration : mamomo7/13 堤防にて sm29237851mylist/45474220『Hometown』『Tower』『Pastoral』iTunes、Amazonにて配信しております。詳細 http://www.s-mamomo.com/archives/1600
2013年の初頭に、デイヴィッド・スピヴァックの関手データモデル(functorial data model)について紹介しました。 デイヴィッド・スピヴァックはデータベース界の革命児か -- 関手的データモデル 衝撃的なデータベース理論・関手的データモデル 入門 あれから3年3ヶ月が経過して、今、関手データモデルや圏論データベース(categorical database)の状況はどうなっているでしょうか。 一言でいえば、 派手に喧伝はされてないが、着実に発展している となるでしょう。その進展の様子を次の3つの側面から概観してみます。 ビジネス ソフトウェア 理論 内容: ビジネス: Categorical Informatics, Inc ソフトウェア: FQL IDE 理論: 等式論理と代数データベース ※ リンクと注釈がたくさんあるのは、この記事が、この話題に関する説明付きブックマ
2020/6/11 画像センシングシンポジウム オーガナイズドセッション2 「限られたデータからの深層学習」 https://confit.atlas.jp/guide/event/ssii2020/static/organized#OS2 での招待講演資料です。 コンピュータビジョン分野を中心とした転移学習についての講演です。 パブリックなデータセットも増えていて、物体検出や領域分割などの研究も盛んですが、実際に社会実装しようとするときのデータは学習データと異なる性質(異なるドメイン)のデータである場合も非常に多いです。 本講演では、そのような場合に有効なドメイン適応の原理となるアプローチ2つと応用としての物体検出と領域分割の事例を紹介しています。
In recent years there is a growing interest in using deep representations for reinforcement learning. In this paper, we present a methodology and tools to analyze Deep Q-networks (DQNs) in a non-blind matter. Moreover, we propose a new model, the Semi Aggregated Markov Decision Process (SAMDP), and an algorithm that learns it automatically. The SAMDP model allows us to identify spatio-temporal abs
Note: This paper describes an older version of DeepLIFT. See https://arxiv.org/abs/1704.02685 for the newer version. Original abstract follows: The purported "black box" nature of neural networks is a barrier to adoption in applications where interpretability is essential. Here we present DeepLIFT (Learning Important FeaTures), an efficient and effective method for computing importance scores in a
機械学習の分類の話¶分類(Classification)は、教師あり学習の1つで、予測対象はカテゴリなどの離散的な値を予測します。 具体的には、メールがスパムかどうかや、画像に映っているのがどういった物体か、といったバイナリで表現できる値を予測する場合にモデルを作ります。 基本的に、入力データをベクトル $x$ (例えば [1, 3, 4, 8] )と考えた時に、予測対象のカテゴリ $y$ ( ham/spam )を出力します。 入力ベクトルは整数や小数のベクトルの場合が多いですが、「晴れ」「雨」などといったカテゴリ情報も適当な数値に変換して扱うことが多いです。 同様に出力されたカテゴリは、-1や1などの整数で表現することが多いです。 このnotebookでは、分類について以下のモデルを紹介します。 パーセプトロン(Perceptron) ロジスティック回帰(Logistic Regres
I'm a software engineer based in Edinburgh, Scotland. My interests include helping people program computers more effectively, open source, maths, and music. You can get hold of me via: Email harry@garrood.me Mastodon @hdgarrood@hachyderm.io GitHub @hdgarrood 07 May 2016 A couple of days ago, somebody submitted a blog post to the Haskell subreddit, titled Abusing -XOverloadedStrings to Implement T
The Haskell programming language community. Daily news and info about all things Haskell related: practical stuff, theory, types, libraries, jobs, patches, releases, events and conferences and more...
Github profiles Leaf and TensorflowWe started with the development of Leaf briefly before Google released Tensorflow. For two weeks Leaf’s hypothesis seemed unique. Developers will build machine learning applications, not scientists — let’s give developers a tool to do that. Although Leaf has top-notch performance and an uniquely simple yet expressive API, it will lose against Tensorflow. Leaf’s c
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