TensorFlow でネットワーク侵入検知 – OpenAI API / Gemini API | ClassCat® Chatbot
IDS/IPS （侵入検知/侵入防御） クラスキャットでは IDS/IPS （侵入検知/侵入防御）機能を装備したインターネットサーバ管理ソリューション「ClassCat® Cute Server Manager」を提供しており、ファイル改竄や Rookit を検知し、各種 brute force 攻撃や第三者中継など外部からの攻撃を防御することができます。 ネットワーク型の侵入検知については既に Spark ベースのネットワーク型 IDS ソリューション も提供しておりますが、本記事では軍用ネットワークを想定したパケットログをベースにニューラルネットワークによる可能性を探ってみました。（いずれ製品化するかもしれません。）モデルはシンプルな MLP で TensorFlow のみで実装しています。 題材: KDD Cup 1999 コンピュータ・ネットワーク侵入検知 題材にしたデータは KD
TensorFlowを使った為替(FX)のトレードシステムを作るチュートリアル ～システムのセットアップからトレードまで～ - Qiita
TensorFlowを使った為替(FX)のトレードシステムを作るチュートリアル ～システムのセットアップからトレードまで～機械学習システムトレードTensorFlowjiji 機械学習ライブラリ「TensorFlow」と、オープンソースのシステムトレードフレームワーク「Jiji」を組み合わせて、機械学習を使った為替(FX)のトレードシステムを作るチュートリアルです。 システムのセットアップからはじめて、機械学習モデルの作成、トレーニング、それを使って実際にトレードを行うところまで、具体例を交えて解説します。 システム構成 次のようなシステムを作ります。 Jijiのバックテスト機能を使ってトレードデータを収集。これをTensorFlowに入力してモデルをトレーニングします。 予測する内容については後述。 訓練したモデルを使って予測結果を返すREST APIを作り、トレード時にJijiから呼び
TensorFlowを算数で理解する - Qiita
TensorFlowは主に機械学習、特に多層ニューラルネットワーク(ディープラーニング)を実装するためのライブラリになりますが、その基本的な仕組みを理解するのにそうした難しい話は特に必要ありません。 本記事では、TensorFlowの仕組みを、算数程度の簡単な計算をベースに紐解いていきたいと思います。 TensorFlowの特徴 初めに、TensorFlowの特徴についてまとめておきたいと思います。 TensorFlowは、その名前の通りTensor(多次元配列、行列などに相当)のFlow(計算処理)を記述するためのツールです。その特徴としては、以下のような点が挙げられます。 スケーラビリティ PC、サーバー、はてはモバイル端末まで、各マシンのリソースに応じてスケールする。つまり、低スペックなものでもそれなりに動くし、GPUを積んだハイスペックなサーバーであればそのリソースをフルに活用した
TensorFlowやってみた Softmax Regressions - Rodhos Soft
これは以下のチュートリアルをやってみたログである。 http://www.tensorflow.org/tutorials/mnist/beginners/index.html#mnist-for-ml-beginners 分類問題には古典的にはSoftmax Regressionsを使用するのが自然である。 あるクラスは入力値にそれぞれの重みをかけて足し合わせたものだとする。これをevidenceと呼べば evidence_i = w_ij x_j + b_i ここでb_iはバイアスである。ここで同一添字の和を省略した。 これを確率に変化させるためにsoftmax関数を使う。 y_i = softmax(x)_i = e^(x_i)/Σ_je^(x_j) よって y_i = softmax(evidence_i)_i これを単に y = softmax(Wx+b) と書くことにする。 R
ディープラーニングの有名ライブラリ5種を最短距離で試す半日コース（TensorFlow, Chainer, Caffe, DeepDream, 画風変換） - その後のその後
「いつか勉強しよう」と人工知能／機械学習／ディープラーニング（Deep Learning）といったトピックの記事の見つけてはアーカイブしてきたものの、結局2015年は何一つやらずに終わってしまったので、とにかく一歩でも足を踏み出すべく、本質的な理解等はさておき、とにかく試してみるということをやってみました。 試したのは、TensorFlow、Chainer、Caffe といった機械学習およびディープラーニングの代表的なライブラリ／フレームワーク3種と、2015年に話題になったディープラーニングを利用したアプリケーション2種（DeepDream、chainer-gogh）。 （DeepDreamで試した結果画像） タイトルに半日と書きましたが、たとえばTensorFlowは環境構築だけなら10分もあれば終わるでしょうし、Chainerなんてコマンド一発なので5秒くらいです。Caffeは僕はハ
TensorFlowを使ってみた - Qiita
今話題のTensorFlowを使ってみたので、メモってみる。 ◆TensorFlowのインストール TensorFlowは以下のサイトを参照にインストールしました。 http://tensorflow.org/get_started/os_setup.md 私はMac OSを使っているので、Mac OSの所を参照してインストール。 $ pip install https://storage.googleapis.com/tensorflow/mac/tensorflow-0.5.0-py2-none-any.whl を実行してみたが、エラーとなる。 よく見ると「# Only CPU-version is available at the moment.」とあるではないか。 なので、virtualEnv経由でのインストールを行うことにする。 以下のコマンドを実行 $ sudo easy_in
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
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
