EMアルゴリズムによるスペル訂正エンジン - nokunoの日記
以下の論文が面白かったので紹介したいと思います。Learning a Spelling Error Model from Search Query Logs Noisy Channel Modelによるスペル訂正エンジンスペル訂正には標準的なNoisy Channel Modelを使うことができます（最近は識別モデルも流行りのようです）。A Spelling Correction Program Based on a Noisy Channel ModelNoisy Channel Modelでは、入力が与えられたときの訂正候補の確率を以下のようにモデル化します。言語モデル はコーパスやクエリログから単語N-gram、文字N-gramなどを推定し、スムージングして利用することが一般的です。エラーモデル は入力と出力候補の編集距離をもとに計算することが多いです（他に共起頻度やクリックログを利
災害にあったITシステムを操作しなければならない人が知るべきこと
東北地方太平洋沖地震が金曜日に発生し、被災された皆様には心よりお見舞い申し上げます。 そんな中でも、この月曜日から多くのIT関係者が被災したかもしれないITシステムの復旧に取りかかるのではないかと思います。そうした方々に役に立つ記事を届けられないだろうかと、ユニアデックスの高橋優亮氏に相談したところ、大いなるご賛同をいただき有志の方々とノウハウをまとめたこの文書「災害にあったITシステムを操作しなければならない人が知るべきこと v0.2」を作り上げていただきました。 本文書の主眼は被災したITシステムを復旧させようとする方々に向けた情報提供ですが、システムに電源を入れる前の注意事項、電源投入順序の考え方などの説明は、これから関東地方で計画されている停電が起きたあとのシステム再起動の際などにも参考になると思います。 本文書はどなたにでも活用していただけるようにGNU Free Documen
コアの能力をじっくり育てよう - Willyの脳内日記
このところ、日本の大人社会が 若者を見る目は非常に厳しくなっている。 若者は良い大学を出るだけでなく、 アルバイトやサークル活動でリーダーシップを発揮し、 夏休みはインターンシップを経験し、 英語を勉強してＴＯＥＩＣのスコアを出し、 できれば短期留学なんかも体験し、 面接では礼儀正しく好感を持てる態度で、 コミュ力と行動力と責任感を 見せることが求められる。 そうした能力はどれもあるに越したことはないが、 求められることが多すぎて学生が気の毒になってしまう。 自分のこれまでの経験を振り返ると、 世の中で生きていくために本当に必要な事は もっと素朴で単純なことだ。 日本で大学院に進んだ時、金融機関で働いた時、 米国でPhDを取る時、大学で働くようになった時、論文を書いている時、 自分の強みの源泉はつまるところ、 高校時代の３年間、そして大学の数学科で４年間 数学を勉強したことだけだった。 大
ザイリンクス : Zynq-7000 エクステンシブル プロセッシング プラットフォーム
第 1 世代のエクステンシブル プロセッシング プラットフォーム Zynq™-7000 ファミリは、ザイリンクスの初のエクステンシブル プロセッシング プラットフォーム (EPP) です。この新クラスの製品には、業界標準の ARM® デュアルコア Cortex™-A9 MPCore™ プロセッシング システムと、ザイリンクスの統一された28nm アーキテクチャ を組み合わせています。プロセッサを中心としたアーキテクチャによって、FPGA の柔軟性とスケーラビリティ、ASIC 相当のパフォーマンスと消費電力、そして ASSP の使いやすさが実現しました。 4 タイプのデバイスが用意されている Zynq-7000 EPP ファミリは、業界標準ツールが使える単一プラットフォームで、コスト重視のアプリケーションから高性能アプリケーションまでの開発を可能します。プロセッシングシステムとプログラマブル
情報分析システムWISDOM
WISDOM Xの使い方 WISDOM Xは、あなたが入力した質問に、インターネットにあるいろんな人の意見や事例を探してきて回答します。従来の検索エンジンとは異なり、端的な回答を場合によっては数百件表示しますので、情報の全体像や価値ある想定外を把握するのが容易となります。WISDOM Xの開発は、そうした情報の全体像や価値ある想定外を、考えるヒントや「気付き」として、様々な分野でのイノベーションやリスク管理等でご活用いただけるのではないかということで開始されました。 現在は、次世代音声対話システムWEKDAや 高齢者介護用マルチモーダル音声対話システムMICSUS等のコンポーネントとしても開発が進んでおります。 WISDOM Xをお使いいただく際、質問は、下の図にあるように、ページの一番上にある四角い箱に入力し、「質問する」ボタンをクリックしてください。また、WISDOM Xのアクセス直後
ChordアルゴリズムによるDHT入門 - 情報科学屋さんを目指す人のメモ
何かのやり方や、問題の解決方法をどんどんメモするブログ。そんな大学院生の活動「キャッシュ」に誰かがヒットしてくれることを祈って。 Chordの解説ページは移転しました。こちらをご覧ください→「ChordアルゴリズムによるDHT入門」 Symphonyの解説を書いたとき、「Chordの理解を前提」にしていたので、今回はChordの細かい解説スライドを作成しました。 Chordの説明はDHTの中でももっともたくさん書かれているものだと思います。 もちろん、それと同じように書いたのではほとんど意味がないと思うので、 論文を読んでもすぐには分からない全体像から、どこが重要か、どの点によってメリットが生まれているかなどに注目しつつ、飲み込みやすいストーリーになるように注意しました。 なおかつ、出来るだけ論文からぶっ飛びすぎないようにも気を付けてみました。 まだ荒削りなのですが、とりあえずどうぞ。
- ～海外ニュースまとめ～
< 01月 | 1234567891011121314151617181920212223242526272829 | 03月 >
デー
学習済みモデルファイルを更新しています。 まだ今後の準備のためにソースコードを更新するついでに手元のモデルを更新しただけなので、そのうちまた更新されます。 デモサーバーには反映しているので少し変換結果が変わっています。 サードパーティのローカルソフトウェアを使っている方は、modelsフォルダにあるjsonファイルを上書きすれば使えるのではないかと思いますが、ソフトによっては動かないかもしれません。 何が変わっているかは画像によりますが、自分の意図としては、 ノイズ除去でできるだけ細部が消えないようにする（ほとんど変わっていないけど、頬の///は消えにくくなった） 拡大時に線画の線が太くなり過ぎないようにする（画像によってはかなり変わっている） 漫画のことは諦めた（スクリーントーンは前のバージョンよりひどくなっている場合が多い） 学習データとその生成方法から間接的に調節しているので、変更は
anime.udp.jp
ここは、コンピュータでイラストやアニメのキャラクターを識別するプロジェクトのページです。 僕がひとり、趣味で行っています。 目標は、絵を描く人に関係なく、より一般化されたキャラクターというものについて正しく識別できるライブラリを開発し、画像の自動分類や検索に役立てることです。 更新履歴 AnimeFaceを最近の環境で動くようにしてGitHubに置きました(Perl拡張なし) (2016 2/18) Imager::AnimeFaceのビルドスクリプトを修正. Imager-AnimeFace-1.02 (2012 7/30) OpenCV用のアニメ顔分類器にLBPの検出器を追加 (2011 7/18) Ruby拡張ライブラリへのリンク追加 (2010 8/16) 関連リンクを追加,微妙に様々なコメントを修正 (2010 3/30) 昔作ったもの(OpenCV用のアニメ顔分類器,SC),関
HMDつくりました〜ハード編 - ⊥=⊥
前々から作っていたHMDがとりあえず形になったので報告します。いきなりですが、これがその写真です。 ごてごてしてますね。 96.4g*1で、正面のカメラ二台で撮った映像をPCに送って、(加工した後)QVGAのディスプレイ二枚に表示できるといういかにもAR用な仕様です。当然左右のディスプレイは独立なので立体視出来ます。今のところ画像をそのまま転送する場合で10fpsというちょっと残念な速さです。*2 その他には三軸加速度センサと二軸磁気センサが付いているので、これとkinectの深度データを合わせると頭の位置と向きが確定できます。*3 この記事では主にハードウェアを技術的な面から書こうかと思います。 概要 図にもあるように電源はバスからとっていて*4、内部的にも各機能への信号の分配はUSBで行っています。ここは一見USB付きのマイコンを使って、マイコンが他の全ての面倒を見る方がシンプルに見え
顔によるイラストの検索 v1 (20091229)
髪の色で検索 -> 画像クリックで似た感じのキャラクターを検索. キャラクターを絞りたい場合はより標準的な顔を選んでいく. viewer: 下のリンククリック -> 外部サービス(*1)でソース画像検索. 画像クリック -> 元の位置に戻す. *1: iqdb -> danbooru系サイト検索. sauce nao -> Pixiv作者等検索. TinEye -> WEB検索. データは自動的にクロールされた約10万枚の画像を使用しています. 例: 長門, ミク, 水銀燈, ホロ, 綾波, mio-chan, yui, konachan, kagamin, C.C., なのは, ニア, ハバネロたん, 西又画... 苦手 → 色が薄い, なんかごちゃっとしてる, 髪色抽出に失敗(オデコの肌色), キャラがマイナー,他いろいろ. 関連技術: アニメ顔検出, Bag-of-Features,
L1正則化で重みが0につぶれる理由
L1正則化、つまり正則化項としてL1-normを使うとパラメタの大部分が0につぶれてモデルがコンパクトになるよという話をよく聞くと思います。初めて聞くと、何で？と思われるかと思います。先日の岡野原握手会でもこの話題がさらっとでて、@hillbigさんはよく微分した形でこれを説明しています（「押すなよ押すなよー」）。私は目的関数の形で理解した方がわかりやすいと思っているので、それを紹介。 まず、正則化項の入っていない凸な目的関数を考えます。 普通パラメタベクトルは多次元なので、多次元の山みたいな形になりますが、ここでは1次元だと思いましょう。この時点で最適値は（頂点の位置）は3です。これに正則化項を足します。L2だとこんな形をしています、というか0を中心とする放物線です。 足しましょう。 足すと0に向かってシフトすることがわかるでしょう。L2正則化の式は原点中心の山なので、元の山（頂点がどこ
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
