メモリを操作するRNNでソートアルゴリズム（可変長＆順序フラグあり）を機械学習できたよっ！ - Qiita
微分可能な神経機械？ Google DeepMindがNatureに投稿した論文「Hybrid computing using a neural network with dynamic external memory」が、なんだかヤバそうな香りがします。 公式の紹介記事「Differentiable neural computers」では、プラトンの記憶論から話が始まりますし、論文では脳の記憶を司る海馬に喩えていたりして、なかなか格調高いです。単なるニューラルネットワークの性能改善に留まらず、哲学や神経科学の観点からも理想の人工知能に一歩近づくことができたよ、これは新しいコンピュータの在り方の発明なのではないか、という気概が感じられます。 仕組みとしては流行りのAttentionという概念が入っていて、メモリを表す行列と、それを選択的に操作しながらベクトルを入出力するコントローラがありま
TensorFlowでAutoEncoderを可視化してみたよ - Qiita
TensorFlow? Google製の機械学習ライブラリTensorFlowを触りはじめました。 その名のとおり、テンソル（多次元配列）のデータフローを組み立てると、その計算グラフから自動微分してくれる仕組みを提供してくれるため、とてもディープラーニング（深層学習）と相性がいいです。 さらにTensorFlowにはTensorBoardというログ可視化ツールが付いていて、これが素晴らしいです。ちょっとしたコードで達成感が味わえるので、入門用にもうってつけです。 ということで私も『ディープラーニング勉強会 AutoEncoder』で勉強したDenoising AutoEncoderを、ザクッと実装して可視化してみました。今回はミニバッチ学習も取り入れてます。 TensorBoard! TensorBoardで可視化したデータフローは、こんな感じになります。 入力層にノイズをかけて、隠れ層で
Spark / MLlib の K-means を Scala から利用してみる - Qiita
元ネタ Spark MLlib の K-means を Java から利用してみる - ALBERT Engineering Blog のScala移植版です。 とても丁寧な解説付きなので、まずはそちらをご覧ください。 Scalaコード 変数名やデータ構造および出力フォーマットは、元ネタに合わせています。 言語以外に変更した点は、下記の通りです。 "iris.txt"が見当たらなかったので、"iris.data"を使いました。 ヘッダ行ではなく空行を取り除いています。 http://archive.ics.uci.edu/ml/machine-learning-databases/iris/ Sparkのバージョンを上げているため、特徴ベクトルの型がMLib独自のものになっています。 Java 8 ＆ 機械学習の視点でみる Spark 1.0 リリース - ALBERT Engineeri
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
