Suche senden
Hochladen
PBAI
•
10 gefällt mir
•
28,374 views
SOINN Inc.
Folgen
Technologie
Diashow-Anzeige
Melden
Teilen
Diashow-Anzeige
Melden
Teilen
1 von 28
Jetzt herunterladen
Downloaden Sie, um offline zu lesen
Empfohlen
SOINN PBR
SOINN PBR
SOINN Inc.
超高速オンライン転移学習
超高速オンライン転移学習
SOINN Inc.
SOINN-AM
SOINN-AM
SOINN Inc.
Ibis2016okanohara
Ibis2016okanohara
Preferred Networks
Lecture univ.tokyo 2017_okanohara
Lecture univ.tokyo 2017_okanohara
Preferred Networks
深層学習とTensorFlow入門
深層学習とTensorFlow入門
tak9029
ディープラーニングで株価予測をやってみた
ディープラーニングで株価予測をやってみた
卓也 安東
Jubatusにおける大規模分散オンライン機械学習
Jubatusにおける大規模分散オンライン機械学習
Preferred Networks
Empfohlen
SOINN PBR
SOINN PBR
SOINN Inc.
超高速オンライン転移学習
超高速オンライン転移学習
SOINN Inc.
SOINN-AM
SOINN-AM
SOINN Inc.
Ibis2016okanohara
Ibis2016okanohara
Preferred Networks
Lecture univ.tokyo 2017_okanohara
Lecture univ.tokyo 2017_okanohara
Preferred Networks
深層学習とTensorFlow入門
深層学習とTensorFlow入門
tak9029
ディープラーニングで株価予測をやってみた
ディープラーニングで株価予測をやってみた
卓也 安東
Jubatusにおける大規模分散オンライン機械学習
Jubatusにおける大規模分散オンライン機械学習
Preferred Networks
多様な強化学習の概念と課題認識
多様な強化学習の概念と課題認識
佑 甲野
ニューラルネットワークの数理
ニューラルネットワークの数理
Task Ohmori
Reinforcement Learning @ NeurIPS2018
Reinforcement Learning @ NeurIPS2018
佑 甲野
ヒトの機械学習
ヒトの機械学習
Tatsuya Shirakawa
Lab introduction 2014
Lab introduction 2014
nlab_utokyo
20180115_東大医学部機能生物学セミナー_深層学習の最前線とこれから_岡野原大輔
20180115_東大医学部機能生物学セミナー_深層学習の最前線とこれから_岡野原大輔
Preferred Networks
ロボットによる一般問題解決
ロボットによる一般問題解決
SOINN Inc.
非技術者でもわかる(?)コンピュータビジョン紹介資料
非技術者でもわかる(?)コンピュータビジョン紹介資料
Takuya Minagawa
IPAB2017 深層学習を使った新薬の探索から創造へ
IPAB2017 深層学習を使った新薬の探索から創造へ
Preferred Networks
Semi supervised, weakly-supervised, unsupervised, and active learning
Semi supervised, weakly-supervised, unsupervised, and active learning
Yusuke Uchida
Deep Learningの基礎と応用
Deep Learningの基礎と応用
Seiya Tokui
機械学習 入門
機械学習 入門
Hayato Maki
日本ソフトウェア科学会第36回大会発表資料「帰納的プログラミングの初等教育の試み」西澤勇輝
日本ソフトウェア科学会第36回大会発表資料「帰納的プログラミングの初等教育の試み」西澤勇輝
Preferred Networks
強化学習の基礎的な考え方と問題の分類
強化学習の基礎的な考え方と問題の分類
佑 甲野
20171015 mosa machine learning
20171015 mosa machine learning
Muneyoshi Benzaki
データに内在する構造をみるための埋め込み手法
データに内在する構造をみるための埋め込み手法
Tatsuya Shirakawa
2017-05-30_deepleaning-and-chainer
2017-05-30_deepleaning-and-chainer
Keisuke Umezawa
Deeplearningとは?
Deeplearningとは?
Yuto Suzuki
東大大学院 電子情報学特論講義資料「深層学習概論と理論解析の課題」大野健太
東大大学院 電子情報学特論講義資料「深層学習概論と理論解析の課題」大野健太
Preferred Networks
「人工脳SOINN」のご紹介
「人工脳SOINN」のご紹介
HasegawaResearchLab
東工大 長谷川修研の環境学習・認識・探索技術
東工大 長谷川修研の環境学習・認識・探索技術
SOINN Inc.
東工大長谷川修研紹介 2011 (8月1日版)
東工大長谷川修研紹介 2011 (8月1日版)
SOINN Inc.
Weitere ähnliche Inhalte
Was ist angesagt?
多様な強化学習の概念と課題認識
多様な強化学習の概念と課題認識
佑 甲野
ニューラルネットワークの数理
ニューラルネットワークの数理
Task Ohmori
Reinforcement Learning @ NeurIPS2018
Reinforcement Learning @ NeurIPS2018
佑 甲野
ヒトの機械学習
ヒトの機械学習
Tatsuya Shirakawa
Lab introduction 2014
Lab introduction 2014
nlab_utokyo
20180115_東大医学部機能生物学セミナー_深層学習の最前線とこれから_岡野原大輔
20180115_東大医学部機能生物学セミナー_深層学習の最前線とこれから_岡野原大輔
Preferred Networks
ロボットによる一般問題解決
ロボットによる一般問題解決
SOINN Inc.
非技術者でもわかる(?)コンピュータビジョン紹介資料
非技術者でもわかる(?)コンピュータビジョン紹介資料
Takuya Minagawa
IPAB2017 深層学習を使った新薬の探索から創造へ
IPAB2017 深層学習を使った新薬の探索から創造へ
Preferred Networks
Semi supervised, weakly-supervised, unsupervised, and active learning
Semi supervised, weakly-supervised, unsupervised, and active learning
Yusuke Uchida
Deep Learningの基礎と応用
Deep Learningの基礎と応用
Seiya Tokui
機械学習 入門
機械学習 入門
Hayato Maki
日本ソフトウェア科学会第36回大会発表資料「帰納的プログラミングの初等教育の試み」西澤勇輝
日本ソフトウェア科学会第36回大会発表資料「帰納的プログラミングの初等教育の試み」西澤勇輝
Preferred Networks
強化学習の基礎的な考え方と問題の分類
強化学習の基礎的な考え方と問題の分類
佑 甲野
20171015 mosa machine learning
20171015 mosa machine learning
Muneyoshi Benzaki
データに内在する構造をみるための埋め込み手法
データに内在する構造をみるための埋め込み手法
Tatsuya Shirakawa
2017-05-30_deepleaning-and-chainer
2017-05-30_deepleaning-and-chainer
Keisuke Umezawa
Deeplearningとは?
Deeplearningとは?
Yuto Suzuki
東大大学院 電子情報学特論講義資料「深層学習概論と理論解析の課題」大野健太
東大大学院 電子情報学特論講義資料「深層学習概論と理論解析の課題」大野健太
Preferred Networks
「人工脳SOINN」のご紹介
「人工脳SOINN」のご紹介
HasegawaResearchLab
Was ist angesagt?
(20)
多様な強化学習の概念と課題認識
多様な強化学習の概念と課題認識
ニューラルネットワークの数理
ニューラルネットワークの数理
Reinforcement Learning @ NeurIPS2018
Reinforcement Learning @ NeurIPS2018
ヒトの機械学習
ヒトの機械学習
Lab introduction 2014
Lab introduction 2014
20180115_東大医学部機能生物学セミナー_深層学習の最前線とこれから_岡野原大輔
20180115_東大医学部機能生物学セミナー_深層学習の最前線とこれから_岡野原大輔
ロボットによる一般問題解決
ロボットによる一般問題解決
非技術者でもわかる(?)コンピュータビジョン紹介資料
非技術者でもわかる(?)コンピュータビジョン紹介資料
IPAB2017 深層学習を使った新薬の探索から創造へ
IPAB2017 深層学習を使った新薬の探索から創造へ
Semi supervised, weakly-supervised, unsupervised, and active learning
Semi supervised, weakly-supervised, unsupervised, and active learning
Deep Learningの基礎と応用
Deep Learningの基礎と応用
機械学習 入門
機械学習 入門
日本ソフトウェア科学会第36回大会発表資料「帰納的プログラミングの初等教育の試み」西澤勇輝
日本ソフトウェア科学会第36回大会発表資料「帰納的プログラミングの初等教育の試み」西澤勇輝
強化学習の基礎的な考え方と問題の分類
強化学習の基礎的な考え方と問題の分類
20171015 mosa machine learning
20171015 mosa machine learning
データに内在する構造をみるための埋め込み手法
データに内在する構造をみるための埋め込み手法
2017-05-30_deepleaning-and-chainer
2017-05-30_deepleaning-and-chainer
Deeplearningとは?
Deeplearningとは?
東大大学院 電子情報学特論講義資料「深層学習概論と理論解析の課題」大野健太
東大大学院 電子情報学特論講義資料「深層学習概論と理論解析の課題」大野健太
「人工脳SOINN」のご紹介
「人工脳SOINN」のご紹介
Andere mochten auch
東工大 長谷川修研の環境学習・認識・探索技術
東工大 長谷川修研の環境学習・認識・探索技術
SOINN Inc.
東工大長谷川修研紹介 2011 (8月1日版)
東工大長谷川修研紹介 2011 (8月1日版)
SOINN Inc.
SSA-SOINN
SSA-SOINN
SOINN Inc.
E-SOINN
E-SOINN
SOINN Inc.
I
I
SOINN Inc.
PIRF-NAV2
PIRF-NAV2
SOINN Inc.
Dr.Kawewong Ph.D Thesis
Dr.Kawewong Ph.D Thesis
SOINN Inc.
Andere mochten auch
(7)
東工大 長谷川修研の環境学習・認識・探索技術
東工大 長谷川修研の環境学習・認識・探索技術
東工大長谷川修研紹介 2011 (8月1日版)
東工大長谷川修研紹介 2011 (8月1日版)
SSA-SOINN
SSA-SOINN
E-SOINN
E-SOINN
I
I
PIRF-NAV2
PIRF-NAV2
Dr.Kawewong Ph.D Thesis
Dr.Kawewong Ph.D Thesis
Ähnlich wie PBAI
PBAI
PBAI
HasegawaResearchLab
超AIが倫理的であれば共存できるのか?ー進化倫理学を参考に ー
超AIが倫理的であれば共存できるのか?ー進化倫理学を参考に ー
The Whole Brain Architecture Initiative
今さら聞けないITエンジニアのための人工知能
今さら聞けないITエンジニアのための人工知能
Keisuke Tameyasu
次世代脳シンポジウム(2016年12月19日)
次世代脳シンポジウム(2016年12月19日)
ドワンゴ 人工知能研究所
オントロジー研究20年の歩みと今後の展望
オントロジー研究20年の歩みと今後の展望
Kouji Kozaki
第7回WBAシンポジウム:全脳確率的生成モデル(WB-PGM)〜世界モデルと推論に基づく汎用人工知能に向けて
第7回WBAシンポジウム:全脳確率的生成モデル(WB-PGM)〜世界モデルと推論に基づく汎用人工知能に向けて
The Whole Brain Architecture Initiative
第6回WBAシンポジウム:脳参照アーキテクチャ 駆動開発からの AGI構築ロードマップ
第6回WBAシンポジウム:脳参照アーキテクチャ 駆動開発からの AGI構築ロードマップ
The Whole Brain Architecture Initiative
Pythonで機械学習をやってみる(bizpy 1/19 2022)
Pythonで機械学習をやってみる(bizpy 1/19 2022)
Hirofumi Watanabe
CMSI計算科学技術特論C (2015) ソフトウェア工学の視点から(前編)
CMSI計算科学技術特論C (2015) ソフトウェア工学の視点から(前編)
Computational Materials Science Initiative
全脳アーキテクチャ実現への長き道のりをいかに支えるのか
全脳アーキテクチャ実現への長き道のりをいかに支えるのか
ドワンゴ 人工知能研究所
AML-dynamics ライスボールセミナー
AML-dynamics ライスボールセミナー
Tadahiro Taniguchi
Ähnlich wie PBAI
(11)
PBAI
PBAI
超AIが倫理的であれば共存できるのか?ー進化倫理学を参考に ー
超AIが倫理的であれば共存できるのか?ー進化倫理学を参考に ー
今さら聞けないITエンジニアのための人工知能
今さら聞けないITエンジニアのための人工知能
次世代脳シンポジウム(2016年12月19日)
次世代脳シンポジウム(2016年12月19日)
オントロジー研究20年の歩みと今後の展望
オントロジー研究20年の歩みと今後の展望
第7回WBAシンポジウム:全脳確率的生成モデル(WB-PGM)〜世界モデルと推論に基づく汎用人工知能に向けて
第7回WBAシンポジウム:全脳確率的生成モデル(WB-PGM)〜世界モデルと推論に基づく汎用人工知能に向けて
第6回WBAシンポジウム:脳参照アーキテクチャ 駆動開発からの AGI構築ロードマップ
第6回WBAシンポジウム:脳参照アーキテクチャ 駆動開発からの AGI構築ロードマップ
Pythonで機械学習をやってみる(bizpy 1/19 2022)
Pythonで機械学習をやってみる(bizpy 1/19 2022)
CMSI計算科学技術特論C (2015) ソフトウェア工学の視点から(前編)
CMSI計算科学技術特論C (2015) ソフトウェア工学の視点から(前編)
全脳アーキテクチャ実現への長き道のりをいかに支えるのか
全脳アーキテクチャ実現への長き道のりをいかに支えるのか
AML-dynamics ライスボールセミナー
AML-dynamics ライスボールセミナー
Kürzlich hochgeladen
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Yuma Ohgami
スマートフォンを用いた新生児あやし動作の教示システム
スマートフォンを用いた新生児あやし動作の教示システム
sugiuralab
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
Toru Tamaki
TSAL operation mechanism and circuit diagram.pdf
TSAL operation mechanism and circuit diagram.pdf
taisei2219
Postman LT Fukuoka_Quick Prototype_By Daniel
Postman LT Fukuoka_Quick Prototype_By Daniel
danielhu54
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
Hiroki Ichikura
論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Semantic segmentation using Vision Transformers: A survey
Toru Tamaki
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
Ryo Sasaki
SOPを理解する 2024/04/19 の勉強会で発表されたものです
SOPを理解する 2024/04/19 の勉強会で発表されたものです
iPride Co., Ltd.
論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Automated Classification of Model Errors on ImageNet
Toru Tamaki
Kürzlich hochgeladen
(10)
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
スマートフォンを用いた新生児あやし動作の教示システム
スマートフォンを用いた新生児あやし動作の教示システム
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
TSAL operation mechanism and circuit diagram.pdf
TSAL operation mechanism and circuit diagram.pdf
Postman LT Fukuoka_Quick Prototype_By Daniel
Postman LT Fukuoka_Quick Prototype_By Daniel
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Semantic segmentation using Vision Transformers: A survey
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
SOPを理解する 2024/04/19 の勉強会で発表されたものです
SOPを理解する 2024/04/19 の勉強会で発表されたものです
論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Automated Classification of Model Errors on ImageNet
PBAI
1.
「パターンベース人工知能」とは何か What is Pattern
Based Artificial Intelligence (PBAI)? 2013年7月15日版 東京工業大学 長谷川修
2.
「パターンベース人工知能」とは、 長谷川修研で構築した “SOINN” と呼ぶ 汎用機械学習アルゴリズムを 基盤技術とし、 長谷川が独自に提唱している 新しい学問体系です。
3.
• この新体系は、知能情報学において、 既存の学問分野がカバーしていない領域を 補完するもので、 「知能情報学の統一理論」の構築に不可欠な、 最後のピースです。 シンボルベース人工知能
パターン認識 機械学習理論 ロボティクス + パターンベース人工知能 知能情報学の 統一理論
4.
「パターンベース人工知能」を介して関連分野を融合し、 知能情報学の統一理論の構築を進めています。 シンボルベース 人工知能 機械学習 理論 知能情報学の統一理論 パターン 認識 コンピュータ ビジョン ロボティクス パターンベース 人工知能
5.
パターンベース人工知能のポイント • パターンベース人工知能は、他手法に無い、 以下の際立った特長を有しています。 1.プログラムするのではなく、実世界での学習から 多様な知的機能(認識、推論、知識転移等)を発現 2.オンライン学習可能 3.ノイズ耐性を有する 4.多様なデータ(画像、音声、各種センサデータ、テキ スト、制御信号等)を統一的に扱える 5.演算負荷が非常に軽い
6.
SOINNとは? 東工大 長谷川修研で独自開発 コンピュータが 「見て、聞いて、覚えて、考えて、行動する」 ための脳をヒントにした情報処理技術
7.
SOINNのポイント • SOINN はモデル不要 –
一般的な統計手法と異なり、ユーザが事前にモデ ルを決める必要がない。 – 従来法はモデルを決めるので、状況が変化しモデ ルからズレると性能が低下。 – SOINNは常に、状況の変化に合わせ、自らモデル を変化させ、性能を保つ。 – 即ちSOINN は状況の変化に自ら即座に対応する • SOINN にはあらゆる数値データが入力可 – テキストも数値化すれば入力可
8.
SOINNは多様な利用が可能 • アルゴリズムなので、処理言語を問わない。 – C,
C++, C#, Java, GP-GPU, Matlab, etc.. • ハードウエアも問わない。 – スマホ、パソコン、スパコン、ロボット、家電、車、etc… • ネットとの相性抜群 – 予報・防災、医療、セキュリティ、マーケティング etc…
9.
SOINN の基本性能 1. IGMM
との比較 – IGMM : Infinite Gaussian Mixture Model 2. 国際コンペ “M3-Competition” データを 用いた他手法との性能比較 – 3003 個の時系列データを用いた予測性能比較 – http://forecasters.org/resources/time-series- data/m3-competition/
10.
Estimation of Probability
Density Distribution SOINN vs IGMM Infinite Gaussian Mixture Model
11.
SOINN vs Infinite
Gaussian mixture model (IGMM) IGMM SOINNInput
12.
SOINN vs Infinite
Gaussian mixture model (IGMM) 計算開始直後
13.
Final state
14.
M3-Competition Forecasting Time Series
Data SOINN vs Others
15.
M3-Competition : Forecasting
Time Series Data
16.
M3-competition データを用いた他手法との性能比較(1) 縦軸は予測誤差 year quart
month other 0 0.05 0.1 0.15 0.2 0.25 LOESS+2SOIAM ARARMA AUTO-ANN B-J auto AutoBox1 AutoBox2 AutoBox3 NAIVE2 ROBUST-Trend SINGLE HOLT DAMPEN Category MAPE SOINN
17.
year quart month
other 0 0.05 0.1 0.15 0.2 0.25 LOESS+2SOIAM WINTER COMB S-H-D Flors-Pearc1 Flors-Pearc2 PP-Autocast ForecastPro SMARTFCS THETAsm THETA RBF ForcX Category MAPE SOINN M3-competition データを用いた他手法との性能比較(2) 縦軸は予測誤差
18.
Mathematical Background of SOINN 18
19.
SOINN の数理 目標: 1. ノイズを含む任意の確率分布に対する SOINN
の近似誤差を、数学的に推定する。 2. 十分な時間経過後に、SOINN が上記の 分布を誤差0で近似可能なことを、数学的に 証明する。 現状: 上記証明を2次元空間において構築中。 詳細は、次ページ以降を参照。 19
20.
21.
Error Estimation Density estimation
by SOINN, Mathematical Proof. (途中)
22.
Error Number of SOINN
Neurons 予測誤差の 理論的最大値 数値実験結果
23.
“Kernel SOINN” based
Estimation of Probability Density Distribution 23
24.
“Kernel SOINN” based
Estimation of Probability Density Distribution
25.
ノイズを含む任意の高次元分布を 動的に捉えられるなら… ベイズ統計学の肥沃な世界と、 実世界、電脳世界(ビッグデータ)とを 直結できる! しかもパソコンで高速に!
26.
Bayes Theory +
SOINN
27.
Self-Organizing + Online
+ Multimodal Bayesian Network by SOINN ベイジアンネットへの拡張も進行中
28.
SOINNの未来 • CPUの演算能力は、毎年飛躍的に向上。 • それらは携帯端末や家電、輸送機器、構造物などに 多数組み込まれ、さらにはネットで接続されている。 •
SOINNはそうした端末・機器・装置で稼働し、ネットを 通じ、世界中のあらゆる情報から常に学習する。 • SOINN の学習は、個人、企業、自治体など、様々な レベルで進む。 • 学習後のSOINNを共有することで、コンピュータやロ ボットが互いに教え合い、人が教示(プログラム)する 手間を劇的に減らして人類に貢献する。
Jetzt herunterladen