私のブックマーク – 人工知能学会 (The Japanese Society for Artificial Intelligence)
人工知能学会誌では，人工知能研究の各分野の専門家がWebページを紹介する「私のブックマーク」を連載中です． ここでは，参照しているWebページへのリンクを本文中に埋め込んだ形で各記事を掲載しています． みなさまの研究にご活用ください． 記事発行後，時間が経過することによりリンク切れが発生する可能性がありますが，記事執筆時の情報ですのでご容赦下さい． Vol.38 No.1 (2023/01) 情報可視化 No.2 (2023/03) 第一言語獲得から考える人工知能 No.3 (2023/05) AIの品質・安全性へのソフトウェア工学からのアプローチ No.4 (2023/07) バーチャルビーイング No.5 (2023/09) 人工知能とゲーム理論 No.6 (2023/11) 計算知能 Vol.37 No.1 (2022/01) 金融情報学 No.2 (2022/03) 人工知能と公平
魚でもわかるRandom Projection | さかな前線
いきなり始まった「魚でもわかる」シリーズ． 今回は情報科学系の方向け． 次元削減のいち手法である「Random Projection」を簡単に紹介します． 具体的にやってること，できることはものっそ簡単で，こないだBoostアドベ記事を書き上げてから寝付けなかったのでふと思い立って取り組んでみたら一発ですごいちゃんとできたのでブログにまとめるに至った次第(そしてその日はそのまま寝付けずに昼間死ぬかと思ったという)． 最初に知ったのはMIRU2011という，夏にあった学会でとある論文を読んだ時． もちろんわかってると思いますが，ツッコミ待ちです！！ 次元削減とは 機械学習やデータ処理あたりの用語で，高次元データをその情報をなるべく保ったまま低次元に変換するタスクやその技術を指します． 具体的な手法として主成分分析(PCA)や特異値分解(SVD)あたりはこの分野の院生クラスなら必須教養レベルっ
Vol.31.No.4(2016/7)ネットワークの表現学習 | 人工知能学会 (The Japanese Society for Artificial Intelligence)
私のブックマークネットワークの表現学習の紹介浅谷 公威（東京大学 工学系研究科） 1．はじめに1･1 表現学習とは 表現学習とは，画像，音，自然言語，時系列データなどの要素を予測問題を解くことで分散表現（ベクトル）として抽象化する手法です．分散表現はコンピュータにより自動的に計算されるもので，要素に関する人手で定義した特徴量を並べて特徴量空間にベクトル化したものとは異なります．近年着目されているDeep Learningは多層のニューラルネットを用いて表現学習を行う手法であり，その深層部分のおのおののニューロンの状態を並べたものが分散表現となります． 表現学習によって得られた分散表現は一般に数百次元のベクトルであるため，要素の分類や要素のラベルの推定を分散表現の簡単な演算により精度良く行えることがわかっています．これらの研究成果はGoogle 画像検索や音声認識などをはじめとした各種サービ
NTT comが官公庁で培った悪性サイトのブラックリストを配信開始 - 週刊アスキー
NTTコミュニケーションズ（NTT Com）は9月25日、総合リスクマネジメントサービス「WideAngle」のマネージドセキュリティーサービスにおいて、新メニュー「Active Blacklist Threat Intelligence」（アクティブ ブラックリストスレット インテリジェンス）の提供を開始した。価格は初期費用が無料、月額費用が34万5600円。 日本の企業や官公庁向けに実施しているセキュリティー監視業務から収集した、国内で発生しているサイバー攻撃に使われている悪性サイト情報をブラックリスト化して、リアルタイムで提供するもの。ユーザーはブラックリストを自社ネットワーク機器へ自動的に取り込むことで、新しく発見された悪性サイトへの通信を速やかに遮断できるという。 「昨今の攻撃者は従来のウイルス対策などの方法では検知できない未知のウイルスや悪性サイトを準備し、メールやWebサイト
security + big data + machine learning
In this post I share 9 links to resources related to Network Beacon detection. Network beacons are continuous automated communications between 2 hosts. Network beacon detection focuses on identifying this automated traffic with the primary goal of aiding in detecting malware infections or adversary activity that have been missed by other controls. Beacon detection is a useful building block analyt
Yahoo!の異常検知フレームワーク"EGADS"
Yahoo!がOSSとして開発している異常検知フレームワーク "EGADS" (Extensible Generic Anomaly Detection System) について書いた次の論文を読んだ： Generic and Scalable Framework for Automated Time-series Anomaly Detection (KDD 2015) リアルタイムなデータをモデリングする種のアルゴリズムの実装とはどうあるべきなのか、という話は難しい。 僕も異常検知や情報推薦のためのアルゴリズムをパッケージ化してみてはいるものの、 時系列データの入力、モデリング、予測、出力といったコンポーネントをいかに切り分けて実装するか バッチとオンラインアルゴリズムのバランスをいかに取るか どこまで自動化して、どこにヒューリスティクスを取り入れる余地を残すか といった点は本当に悩ま
深層強化学習のサーベイ論文を読む - mabonki0725の日記
ランニングできず 英語できず 深層強化学習のサーベイ論文を読む 「DeepLearning for Video Game Playing」https://arxiv.org/abs/1708.07902 最近までのPCゲームやテレビゲームを深層学習で解くAI技術について網羅的に解説した論文である。従って深層学習を使っても碁や将棋の様なボードゲームは対象外となっている。 下図の様な殆ど全ての深層強化学習を系統別かつ目的別に解説してあり大変な労作である。もし注目するモデルがあれば、この論文で検索すると以下のことが分る様になっている。 ・モデルの概要 ・モデルを発表した論文 ・考案した動機や対象としたゲーム ・モデル開発が可能なプラットホーム ・継承したモデルと発展先のモデル 下図の様に深層学習としては2013年の偉大なDQNから全てが始まっている。しかしこのDQN前にはSuttonのSarsa
【新サービス】機械学習を使って不正なアクセスパターンを検出、対応するAmazon MacieがLaunch。 | DevelopersIO
【新サービス】機械学習を使って不正なアクセスパターンを検出、対応するAmazon MacieがLaunch。 新緑の候, 立秋とは名ばかりの暑い日がつづいておりますが、お元気でいらっしゃいますか、せーのです。 今日は突然やってきた新サービスをご紹介します。名前は「Amazon Macie」と言います。 Amazon Macie概要 とりあえず読み方から。「アマゾン メイシー」と読みます。私は一瞬サングラス的なあの人を思い浮かべましたが違うようです。Macieは女の子の名前で「武器」「活発でスポーティで魅力的な人の代表名」という意味があります。 Amazon Macieは機械学習を使ってAWSに保存されている機密データを自動的に発見、分類、保護することにより、データ損失を防止するためのAI機能のセキュリティサービスです。人工知能を使ったサービス(AI-powered security ser
不均衡データをundersampling + baggingで補正すると汎化性能も確保できて良さそう - 渋谷駅前で働くデータサイエンティストのブログ
弊社のランチゲストにお招きしたことのある[twitter:@tmaehara]さんが、こんなことをツイートしておられました。 imbalanced data に対する対処を勉強していたのだけど，[Wallace et al. ICDM'11] https://t.co/ltQ942lKPm … で「undersampling + bagging をせよ」という結論が出ていた．— ™ 🔰 (@tmaehara) 2017年7月29日 不均衡(imbalanced)データのクラス分類における補正方法については、代表的な手法であるclass weight（損失関数に対して負例のコストを負例と正例の割合に応じて割り引くもの）のやり方を以前このブログでも取り上げたことがあります。 ということで、ほんの触り程度ですがやってみようと思います。ちなみに計算負荷とか自分の手間とか色々考えて、基本的にはra
F値 - 機械学習の「朱鷺の杜Wiki」
正解率 (精度, accuracy)：正や負と予測したデータのうち，実際にそうであるものの割合 \[\mathrm{Accuracy}=\frac{TP+TN}{TP+FP+TN+FN}\] 適合率 (precision)：正と予測したデータのうち，実際に正であるものの割合 \[\mathrm{Precision}=\frac{TP}{TP+FP}\] 再現率 (recall, 感度, sensitivity)：実際に正であるもののうち，正であると予測されたものの割合 \[\mathrm{Recall}=\frac{TP}{TP+FN}\] 特異度 (specificity)：実際に負であるもののうち，負であると予測されたものの割合 \[\mathrm{Specificity}=\frac{TN}{FP+TN}\] F値 (F尺度, F-measure)：再現率と適合率の調和平均． \[\
2nd Hackarade: Machine Learning Challenge - クックパッド開発者ブログ
研究開発部の菊田（@yohei_kikuta）です。機械学習を活用した新規サービスの研究開発（主として画像分析系）に取り組んでいます。 最近読んだ論文で面白かったものを３つ挙げろと言われたら以下を挙げます。 Why does deep and cheap learning work so well? Universal adversarial perturbations Understanding deep learning requires rethinking generalization 以前本ブログで紹介した Hackarade: MRI Internal Challenge ですが、その第二回として機械学習を題材にしたハッカソンが七月末に開催されました。 Hackarade ではエンジニアにとって長期的に有益となる技術を題材にしようという想いがあります。 今回はクックパッドの研究
機械学習の論文を読んでみたいけど難しそう、という時に見るサイト - Qiita
機械学習の基礎はそれなりに習得し、次のステップとして論文を読んでみたい、実装にチャレンジしてみたい、という方も多いのではないかと思います。 ただ、機械学習の論文といってもどこから読んでいいのか、興味がある論文を見つけるにしても英語のAbstractを眺めて行くのはちょっとつらい・・・という方のために、ポータルサイトを作りました。 arXivTimes Indicator 以前、機械学習に関わる論文の要約を共有するGitHubリポジトリとBotを作成したのですが、そこでの投稿内容をまとめて見ることができます。 ジャンル別に参照可能な他、 Pocketをお使いであればPocketへの登録も可能です。 arXivTimesは、機械学習の研究動向に関する集合知を形成することを目的としています(日本語で参照可能な)。 そのため、今回のポータルの作成を機により多くの投稿をしてもらい、また要約の質を高め
大規模データに対するデータサイエンスの進め方 #CWT2016
Cloudera World Tokyo 2016 有賀発表 データサイエンスを含めたチームづくりと、機械学習を活かしたプロダクトの作り方について話しました。Read less
Wasserstein GAN [arXiv:1701.07875]
概要 Wasserstein GANを読んだ Chainerで実装した はじめに Wasserstein GAN（以下WGAN）はEarth Mover’s Distance（またはWasserstein Distance）を最小化する全く新しいGANの学習方法を提案しています。 実装にあたって事前知識は不要です。 私はEarth Mover’s Distance（EDM）などを事前に調べておきましたが実装に関係ありませんでした。 またRedditのWGANのスレッドにて、GANの考案者であるIan Goodfellow氏や本論文の著者Martin Arjovsky氏が活発に議論を交わしています。 Martin Arjovsky氏の実装がGithubで公開されていますので実装には困らないと思います。 私はChainer 1.20で実装しました。 https://github.com/mus
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
【WebDBフォーラム2017】Sansanにおける 名刺画像データ化フローと 機械学習の取り組み
機械学習×セキュリティ
MakeGirlsMoe
クックパッドの機械学習を支える基盤のつくりかた / Machine Learning ops at Cookpad
情報抽出入門 〜非構造化データを構造化させる技術〜
SIGNICO
