Normalizing Flow入門 第7回 Neural ODEとFFJORD
こんにちはtatsyです。非常に長くなったNormalizing Flow入門も今回が最終回です。 今回はNeurIPS 2018でベストペーパーを獲得した論文であるNeural Ordinary Differential Equations (Neural ODE)[1]と、それを利用したNormalizing Flowの位置手法であるFree-form Jacobian Of Reversible Dynamics (FFJORD)[2]についてご紹介したいと思います。 Neural Ordinary Differential EquationNeural ODEはその名前にもある通り、ニューラルネットワークと常微分方程式の共通点に着目して、ルンゲクッタ法などの数値的な常微分方程式の解法をニューラルネットの表現に用いる技術です。 突然ですが、ニューラルネットにおいて、現在はその代表的な
Normalizing Flow入門 第7回 Neural ODEとFFJORD - tatsyblog
こんにちはtatsyです。非常に長くなったNormalizing Flow入門も今回が最終回です。 今回はNeurIPS 2018でベストペーパーを獲得した論文であるNeural Ordinary Differential Equations (Neural ODE)[1]と、それを利用したNormalizing Flowの位置手法であるFree-form Jacobian Of Reversible Dynamics (FFJORD)[2]についてご紹介したいと思います。 Neural Ordinary Differential EquationNeural ODEはその名前にもある通り、ニューラルネットワークと常微分方程式の共通点に着目して、ルンゲクッタ法などの数値的な常微分方程式の解法をニューラルネットの表現に用いる技術です。 突然ですが、ニューラルネットにおいて、現在はその代表的な
Color Constancy のアルゴリズム (第1回)
本日は画像処理の中でも割と古典的？と思われるColor Constancyのアルゴリズムをいくつか紹介したいと思います。このアルゴリズムはEbnerの「Color Constancy」という本の7章に紹介されているもので、LandのRetinex理論をベースとしたものです。 紹介するアルゴリズムは HornのアルゴリズムBlakeのアルゴリズムMooreのアルゴリズムRahmanのアルゴリズム準同型フィルタを用いたアルゴリズムFaugerasのアルゴリズムです。 ちょっと長くなってしまいそうなので2回に分けましょうかね。というわけでレッツスタート。 HornのアルゴリズムHornのアルゴリズムはなだらかに色変化する成分が照明光の成分であろうという仮定に基づいて照明の成分を除去します。具体的にはラプラシアンフィルタを適用した後、閾値処理を行うことで得られた信号の2回微分成分をポアソン方程式を
Boost.PythonおよびBoost.NumpyをWindowsで使うまで
こんにちはtatsyです。 C++とPythonを糊付けするものとしてBoost.PythonとBoost.Numpyというものがあるのですが、多くの記事はPythonからC++のコードを呼び出すことを主眼としていて、僕のようにC++からNumpyの線形ソルバーを呼びたいとか言う人は少ないみたいです。 Boost.PythonやBoost.Numpyを使う利点、特にWindows上で使う利点はPythonをビルドしているVisual Studioのバージョンに依存しないということだと思います。 通常PythonのC APIは使っているPythonをビルドしたものと同じVisual Studioのバージョン(3.4ならVC2010, 3.5ならVC2015)を使ってビルドしないといけないので、いちいち複数のバージョンのVisual Studioを入れないといけなかったりします。 参考ページ:
1
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
処理を実行中です
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
Eigenを用いた線形問題の解法 · Programming for Beginners
Deep Learning
