イベント | 人工知能学会 (The Japanese Society for Artificial Intelligence)
· All Rights Reserved. Copyright 2017 The Japanese Society for Artificial Intelligence ·
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
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
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
JSAI International Symposia on AI
