Suche senden
Hochladen
Deeplearningとは?
•
10 gefällt mir
•
3,046 views
Yuto Suzuki
Folgen
ニューラルネットワークから畳み込みネットまで数式をほぼ使わずに解説してみました。中途半端な感じでわかりづらくなってしまいました。。
Weniger lesen
Mehr lesen
Wissenschaft
Melden
Teilen
Melden
Teilen
1 von 51
Jetzt herunterladen
Downloaden Sie, um offline zu lesen
Empfohlen
数物セミナー冬の大談話会にて
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
Hijiyama.R(5/28)にて発表したスライドです。
がんばろう!はじめてのDnn!
がんばろう!はじめてのDnn!
Shushi Namba
Deep learningの軽い紹介の軽い紹介です。 間違ってる部分があったら連絡ください。
Deep learningの軽い紹介
Deep learningの軽い紹介
Yoshihisa Maruya
このプレゼンテーションでは、AlphaGoなど、大きなニュースとして扱われたディープラーニングの有名論文を引用しながら、ディープラーニングの内部を紐解いていきたいと思います。
有名論文から学ぶディープラーニング 2016.03.25
有名論文から学ぶディープラーニング 2016.03.25
Minoru Chikamune
全脳関西編(松尾)
全脳関西編(松尾)
Yutaka Matsuo
Lab introduction 2014
Lab introduction 2014
nlab_utokyo
Chainer Meetup #03 2016年7月2日
マシンパーセプション研究におけるChainer活用事例
マシンパーセプション研究におけるChainer活用事例
nlab_utokyo
TensorFlow, ImageNetを使った画像認識技術と、構造化データの機械学習技術について。
鳥肌必至のニューラルネットワークによる近未来の画像認識技術を体験し、IoTの知られざるパワーを知る
鳥肌必至のニューラルネットワークによる近未来の画像認識技術を体験し、IoTの知られざるパワーを知る
Kazuki Nakajima
Empfohlen
数物セミナー冬の大談話会にて
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
Hijiyama.R(5/28)にて発表したスライドです。
がんばろう!はじめてのDnn!
がんばろう!はじめてのDnn!
Shushi Namba
Deep learningの軽い紹介の軽い紹介です。 間違ってる部分があったら連絡ください。
Deep learningの軽い紹介
Deep learningの軽い紹介
Yoshihisa Maruya
このプレゼンテーションでは、AlphaGoなど、大きなニュースとして扱われたディープラーニングの有名論文を引用しながら、ディープラーニングの内部を紐解いていきたいと思います。
有名論文から学ぶディープラーニング 2016.03.25
有名論文から学ぶディープラーニング 2016.03.25
Minoru Chikamune
全脳関西編(松尾)
全脳関西編(松尾)
Yutaka Matsuo
Lab introduction 2014
Lab introduction 2014
nlab_utokyo
Chainer Meetup #03 2016年7月2日
マシンパーセプション研究におけるChainer活用事例
マシンパーセプション研究におけるChainer活用事例
nlab_utokyo
TensorFlow, ImageNetを使った画像認識技術と、構造化データの機械学習技術について。
鳥肌必至のニューラルネットワークによる近未来の画像認識技術を体験し、IoTの知られざるパワーを知る
鳥肌必至のニューラルネットワークによる近未来の画像認識技術を体験し、IoTの知られざるパワーを知る
Kazuki Nakajima
カラビナテクノロジーで発表したLTのdeeplearningの資料です。 AlexNetをチューニングし,10層のネットワークで10次元のベクトルを作りました。
Deeplearningと髪型レコメンドへの応用
Deeplearningと髪型レコメンドへの応用
taichi nishimura
多層NNの教師なし学習 コンピュータビジョン勉強会@関東 2014/5/26
多層NNの教師なし学習 コンピュータビジョン勉強会@関東 2014/5/26
Takashi Abe
近年ディープラーニング(深層学習)は急速な進化を遂げ、多くの分野での利用が進んでいます。弊社はディープラーニングフレームワークChainerを開発し、オープンソースで公開しています。Pythonを用いて様々な構造のニューラルネットを簡単に構築でき、GPU上での計算もサポートするChainerについて紹介します。また、ディープラーニングの活用例として、ディープラーニングと強化学習を組み合わせて、複数台のロボットに適切な行動を獲得させた事例について説明します。
DLフレームワークChainerの紹介と分散深層強化学習によるロボット制御
DLフレームワークChainerの紹介と分散深層強化学習によるロボット制御
Ryosuke Okuta
畳み込みニューラルネットワーク の逆変換による画像生成 畳み込みニューラルネットワークが なぜうまくいくのか?についての手がかり
畳み込みニューラルネットワークが なぜうまくいくのか?についての手がかり
畳み込みニューラルネットワークが なぜうまくいくのか?についての手がかり
tm_2648
人工知能の未来と倫理について、人工知能の歴史を振り返りながら議論する。
人工知能の(過去・現在・)未来と倫理
人工知能の(過去・現在・)未来と倫理
National Institute of Informatics (NII)
PFIセミナー2013年6月6日分です。Deep Learningの技術的基礎からBengioの怪しげな妄想まで。
Deep Learningの技術と未来
Deep Learningの技術と未来
Seiya Tokui
はじパタLT資料です。ディープラーニングのライブラリの使い方が知りたい方は15ページからご覧ください。
実装ディープラーニング
実装ディープラーニング
Yurie Oka
第29回CV勉強会@関東 有名論文読み会発表資料
Learning to forget continual prediction with lstm
Learning to forget continual prediction with lstm
Fujimoto Keisuke
Deep Learningと画像認識 ~歴史・理論・実践~
Deep Learningと画像認識 ~歴史・理論・実践~
Deep Learningと画像認識 ~歴史・理論・実践~
nlab_utokyo
ディープ・ラーニングと 画像処理・画像解析セミナー (2015年4月14日)
20150414seminar
20150414seminar
nlab_utokyo
第14回情報科学技術フォーラム (FIT2015) のイベント企画「ビッグデータ解析のための機械学習技術」におけるチュートリアル講演資料です。ニューラルネットの基礎(計算グラフとしての定式化、勾配法、誤差逆伝播法)をさらったあと、最近画像や自然言語などで注目されている応用・手法について広く浅く紹介しています。
Deep Learningの基礎と応用
Deep Learningの基礎と応用
Seiya Tokui
IBIS2016での講演内容を公開します。深層学習を実世界の問題に適用する上でどのような課題があるのか、車、ロボット、ヘルスケア、コミュニケーションでどのような研究課題があるのかについて紹介しています。
Ibis2016okanohara
Ibis2016okanohara
Preferred Networks
東北大学情報科学研究科における産学連携講義(2019/01/17)の資料です。 ロボットを使うための自然なインターフェースへの取り組みの紹介と、PFNが目指すパーソナルロボット事業について紹介しました。
東北大学講義資料 実世界における自然言語処理 - すべての人にロボットを - 坪井祐太
東北大学講義資料 実世界における自然言語処理 - すべての人にロボットを - 坪井祐太
Preferred Networks
関東CV勉強会第23回の発表資料
Cvim saisentan-6-4-tomoaki
Cvim saisentan-6-4-tomoaki
tomoaki0705
福岡市内のイベントで発表した資料です。
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
SSII 2015 チュートリアル講演 「Deep Learningによる画像認識革命」 2015年6月10日
Deep Learningによる画像認識革命 ー歴史・最新理論から実践応用までー
Deep Learningによる画像認識革命 ー歴史・最新理論から実践応用までー
nlab_utokyo
Googleが2015年11月に配布した機械学習フレームワークであるTensorFlowについて、概要からCNN (Convolutional Neural Networks)アーキテクチャ構築までの説明をまとめました。研究所内の勉強会で用いた資料です。ディープラーニングの学習用にどうぞ! サンプルコードも下記リンクにしばらく置いておきます。 http://www.hirokatsukataoka.net/temp/TensorFlow/my_cnn.tar.gz http://www.hirokatsukataoka.net/temp/TensorFlow/my_cnn.zip
TensorFlowによるCNNアーキテクチャ構築
TensorFlowによるCNNアーキテクチャ構築
Hirokatsu Kataoka
Deep Learningの概要、最近の成果と、フレームワーク実装者の視点で見たドメインモデルの変遷について。
Deep learningの概要とドメインモデルの変遷
Deep learningの概要とドメインモデルの変遷
Taiga Nomi
Tutorial material of Deep Learning in MIRU2014.
MIRU2014 tutorial deeplearning
MIRU2014 tutorial deeplearning
Takayoshi Yamashita
機械学習ライブラリ : TensorFlow
機械学習ライブラリ : TensorFlow
機械学習ライブラリ : TensorFlow
エンジニア勉強会 エスキュービズム
社内勉強会のflywayの紹介を行いました。
Scalaで行うマイグレーション ~Flyway~
Scalaで行うマイグレーション ~Flyway~
Yuto Suzuki
Slackから始めるChatOps
Slackから始めるChatOps
Slackから始めるChatOps
Yuto Suzuki
Weitere ähnliche Inhalte
Was ist angesagt?
カラビナテクノロジーで発表したLTのdeeplearningの資料です。 AlexNetをチューニングし,10層のネットワークで10次元のベクトルを作りました。
Deeplearningと髪型レコメンドへの応用
Deeplearningと髪型レコメンドへの応用
taichi nishimura
多層NNの教師なし学習 コンピュータビジョン勉強会@関東 2014/5/26
多層NNの教師なし学習 コンピュータビジョン勉強会@関東 2014/5/26
Takashi Abe
近年ディープラーニング(深層学習)は急速な進化を遂げ、多くの分野での利用が進んでいます。弊社はディープラーニングフレームワークChainerを開発し、オープンソースで公開しています。Pythonを用いて様々な構造のニューラルネットを簡単に構築でき、GPU上での計算もサポートするChainerについて紹介します。また、ディープラーニングの活用例として、ディープラーニングと強化学習を組み合わせて、複数台のロボットに適切な行動を獲得させた事例について説明します。
DLフレームワークChainerの紹介と分散深層強化学習によるロボット制御
DLフレームワークChainerの紹介と分散深層強化学習によるロボット制御
Ryosuke Okuta
畳み込みニューラルネットワーク の逆変換による画像生成 畳み込みニューラルネットワークが なぜうまくいくのか?についての手がかり
畳み込みニューラルネットワークが なぜうまくいくのか?についての手がかり
畳み込みニューラルネットワークが なぜうまくいくのか?についての手がかり
tm_2648
人工知能の未来と倫理について、人工知能の歴史を振り返りながら議論する。
人工知能の(過去・現在・)未来と倫理
人工知能の(過去・現在・)未来と倫理
National Institute of Informatics (NII)
PFIセミナー2013年6月6日分です。Deep Learningの技術的基礎からBengioの怪しげな妄想まで。
Deep Learningの技術と未来
Deep Learningの技術と未来
Seiya Tokui
はじパタLT資料です。ディープラーニングのライブラリの使い方が知りたい方は15ページからご覧ください。
実装ディープラーニング
実装ディープラーニング
Yurie Oka
第29回CV勉強会@関東 有名論文読み会発表資料
Learning to forget continual prediction with lstm
Learning to forget continual prediction with lstm
Fujimoto Keisuke
Deep Learningと画像認識 ~歴史・理論・実践~
Deep Learningと画像認識 ~歴史・理論・実践~
Deep Learningと画像認識 ~歴史・理論・実践~
nlab_utokyo
ディープ・ラーニングと 画像処理・画像解析セミナー (2015年4月14日)
20150414seminar
20150414seminar
nlab_utokyo
第14回情報科学技術フォーラム (FIT2015) のイベント企画「ビッグデータ解析のための機械学習技術」におけるチュートリアル講演資料です。ニューラルネットの基礎(計算グラフとしての定式化、勾配法、誤差逆伝播法)をさらったあと、最近画像や自然言語などで注目されている応用・手法について広く浅く紹介しています。
Deep Learningの基礎と応用
Deep Learningの基礎と応用
Seiya Tokui
IBIS2016での講演内容を公開します。深層学習を実世界の問題に適用する上でどのような課題があるのか、車、ロボット、ヘルスケア、コミュニケーションでどのような研究課題があるのかについて紹介しています。
Ibis2016okanohara
Ibis2016okanohara
Preferred Networks
東北大学情報科学研究科における産学連携講義(2019/01/17)の資料です。 ロボットを使うための自然なインターフェースへの取り組みの紹介と、PFNが目指すパーソナルロボット事業について紹介しました。
東北大学講義資料 実世界における自然言語処理 - すべての人にロボットを - 坪井祐太
東北大学講義資料 実世界における自然言語処理 - すべての人にロボットを - 坪井祐太
Preferred Networks
関東CV勉強会第23回の発表資料
Cvim saisentan-6-4-tomoaki
Cvim saisentan-6-4-tomoaki
tomoaki0705
福岡市内のイベントで発表した資料です。
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
SSII 2015 チュートリアル講演 「Deep Learningによる画像認識革命」 2015年6月10日
Deep Learningによる画像認識革命 ー歴史・最新理論から実践応用までー
Deep Learningによる画像認識革命 ー歴史・最新理論から実践応用までー
nlab_utokyo
Googleが2015年11月に配布した機械学習フレームワークであるTensorFlowについて、概要からCNN (Convolutional Neural Networks)アーキテクチャ構築までの説明をまとめました。研究所内の勉強会で用いた資料です。ディープラーニングの学習用にどうぞ! サンプルコードも下記リンクにしばらく置いておきます。 http://www.hirokatsukataoka.net/temp/TensorFlow/my_cnn.tar.gz http://www.hirokatsukataoka.net/temp/TensorFlow/my_cnn.zip
TensorFlowによるCNNアーキテクチャ構築
TensorFlowによるCNNアーキテクチャ構築
Hirokatsu Kataoka
Deep Learningの概要、最近の成果と、フレームワーク実装者の視点で見たドメインモデルの変遷について。
Deep learningの概要とドメインモデルの変遷
Deep learningの概要とドメインモデルの変遷
Taiga Nomi
Tutorial material of Deep Learning in MIRU2014.
MIRU2014 tutorial deeplearning
MIRU2014 tutorial deeplearning
Takayoshi Yamashita
機械学習ライブラリ : TensorFlow
機械学習ライブラリ : TensorFlow
機械学習ライブラリ : TensorFlow
エンジニア勉強会 エスキュービズム
Was ist angesagt?
(20)
Deeplearningと髪型レコメンドへの応用
Deeplearningと髪型レコメンドへの応用
多層NNの教師なし学習 コンピュータビジョン勉強会@関東 2014/5/26
多層NNの教師なし学習 コンピュータビジョン勉強会@関東 2014/5/26
DLフレームワークChainerの紹介と分散深層強化学習によるロボット制御
DLフレームワークChainerの紹介と分散深層強化学習によるロボット制御
畳み込みニューラルネットワークが なぜうまくいくのか?についての手がかり
畳み込みニューラルネットワークが なぜうまくいくのか?についての手がかり
人工知能の(過去・現在・)未来と倫理
人工知能の(過去・現在・)未来と倫理
Deep Learningの技術と未来
Deep Learningの技術と未来
実装ディープラーニング
実装ディープラーニング
Learning to forget continual prediction with lstm
Learning to forget continual prediction with lstm
Deep Learningと画像認識 ~歴史・理論・実践~
Deep Learningと画像認識 ~歴史・理論・実践~
20150414seminar
20150414seminar
Deep Learningの基礎と応用
Deep Learningの基礎と応用
Ibis2016okanohara
Ibis2016okanohara
東北大学講義資料 実世界における自然言語処理 - すべての人にロボットを - 坪井祐太
東北大学講義資料 実世界における自然言語処理 - すべての人にロボットを - 坪井祐太
Cvim saisentan-6-4-tomoaki
Cvim saisentan-6-4-tomoaki
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
Deep Learningによる画像認識革命 ー歴史・最新理論から実践応用までー
Deep Learningによる画像認識革命 ー歴史・最新理論から実践応用までー
TensorFlowによるCNNアーキテクチャ構築
TensorFlowによるCNNアーキテクチャ構築
Deep learningの概要とドメインモデルの変遷
Deep learningの概要とドメインモデルの変遷
MIRU2014 tutorial deeplearning
MIRU2014 tutorial deeplearning
機械学習ライブラリ : TensorFlow
機械学習ライブラリ : TensorFlow
Andere mochten auch
社内勉強会のflywayの紹介を行いました。
Scalaで行うマイグレーション ~Flyway~
Scalaで行うマイグレーション ~Flyway~
Yuto Suzuki
Slackから始めるChatOps
Slackから始めるChatOps
Slackから始めるChatOps
Yuto Suzuki
本スライドは,「10 common errors when pushing apps to cf」 http://www.slideshare.net/greensight/10-common-errors-when-pushing-apps-to-cloud-foundry/ を,作者の許可を得て,Noburou TANIGUCHI ( https://github.com/nota-ja ) が翻訳したものです。
Cloud Foundry にアプリケーションを push する際の典型的な10のエラー
Cloud Foundry にアプリケーションを push する際の典型的な10のエラー
nota-ja
TensorFlowの使い方(in Japanese) TensorFlowの使い方の簡単なまとめ。 ※完結したソースから学びたいという人には向きません。 A1701talk how-to-use-tensorflow-170125
TensorFlowの使い方(in Japanese)
TensorFlowの使い方(in Japanese)
Toshihiko Yamakami
And control the Magical Dream Light
マジカルドリームライトを制御してみた @ni_gata
マジカルドリームライトを制御してみた @ni_gata
Ni-gata Supika
ウェブサイトや検索で流入することが少なくなってきた昨今、SNS を介して、サイトへの訪問や情報発信を行うようになってきました。 このセミナーでは数々のメディアサイトを運用しているスピーカーが、自身のブログや運営サイトに、数々の SNS 連携機能を実装した体験談をお話します。 ・Twitter, Facebook への自動投稿プラグイン ・Instagram 連携 ・Google AMP (Acceralated Mobile Page) ・Facebook の Instant Article 対策 を紹介しました。
時代は SNS 連携! WordPress サイトの SNS 連携、AMP & Instant Article 対策体験記 - WordFes Nagoy...
時代は SNS 連携! WordPress サイトの SNS 連携、AMP & Instant Article 対策体験記 - WordFes Nagoy...
Katz Ueno
How to install WordPress in your paid web hosting
WordPress
WordPress
Eleanor Trinidad
【WordCamp Kansai 2014】WordPressで実制作までまるっとHAPPY!フリーランスママの愛されディレクション
【WordCamp Kansai 2014】WordPressで実制作までまるっとHAPPY!フリーランスママの愛されディレクション
Aimi Sata
4時間まったりWordPressテーマ作成講座
4時間まったりWordPressテーマ作成講座
Shinichi Nishikawa
WordPressを自分の好きなようにデザインしたい! と思ったけどどうやったらいいか分からない! デフォルトのデザインテンプレートが難しすぎる! という方のために、次期バージョンに同梱されるtwentythirteenテーマを改造して超簡単なテンプレートを作ったので配布します。これを使ってWordPressのテンプレートを理解しましょう。
WordPressの常識をくつがえす超簡単テーマ"doshirouto"を作ったのでこれでテーマを理解しよう!
WordPressの常識をくつがえす超簡単テーマ"doshirouto"を作ったのでこれでテーマを理解しよう!
Takashi Uemura
JAWS FESTA Tohoku 2014でセッションした「WordPressとAWSの素敵な関係」のスライド
JAWS FESTA Tohoku 2014 WordPressとAWSの素敵な関係
JAWS FESTA Tohoku 2014 WordPressとAWSの素敵な関係
Kazue Igarashi
WordFes Nagoya 2015 セッション 『超高速WordPress』 スライド資料
超高速WordPress
超高速WordPress
Kengyu Nakamura
WordPressってブログじゃないの?
WordPressってブログじゃないの?
tokumotonahoko
Deep Learning Japan @ 東大です http://www.facebook.com/DeepLearning https://sites.google.com/site/deeplearning2013/
Semi-Supervised Autoencoders for Predicting Sentiment Distributions(第 5 回 De...
Semi-Supervised Autoencoders for Predicting Sentiment Distributions(第 5 回 De...
Ohsawa Goodfellow
第11回ゼロから始めるWordPress勉強会 〜初心者の悩みを共有しよう〜 ゼロから始めるWordPress勉強会 3Days の2日目の資料です。 コワーキングスペース茅場町 Co-Edoにて開催。
第11回ゼロから始めるWordPress勉強会
第11回ゼロから始めるWordPress勉強会
kenji goto
2015年版を作りました http://www.slideshare.net/katz515/howto-multilingual-wordpress-wck2015 多言語サイトを作るのは日本語を翻訳したら良いだけなのは間違いです!ちゃんとした多言語コンテンツをつくる基本のコツを伝授。 あなたのサイトにベストな WordPress での多言語サイト作成方法をお教えします。コーディングや技術よりも、企画・構造・コンテンツ(原稿)などを中心に話します。
2014年 失敗しない! WordPress 多言語サイト制作で絶対に知っておきたいこと
2014年 失敗しない! WordPress 多言語サイト制作で絶対に知っておきたいこと
Katz Ueno
大分大学教養科目「高度情報化と社会生活」2015年5月13日講義「Facebookを使う」
2015 5 13_facebook3
2015 5 13_facebook3
Yuki Fujino
Web 動画とは、YouTube などの動画共有サイトにあるオンライン動画ではなく、背景や、商品紹介の素材のひとつとして使われる動画のことです。 このセミナーでは、Web動画とは何か、そして、WordPress では、どのように動画を活用できるのか。おすすめ公式プラグインを紹介します。
Web動画、WordPressで使ってみよう!
Web動画、WordPressで使ってみよう!
Katz Ueno
WordPressのデフォルトテーマTwenty Fourteenをカスタマイズした超簡単テーマdoshirouto2014を作りました。
WordPressの常識をくつがえす超簡単テーマ doshirouto2014 を作ったのでこれでテーマを理解しよう!
WordPressの常識をくつがえす超簡単テーマ doshirouto2014 を作ったのでこれでテーマを理解しよう!
Takashi Uemura
2015年4月16日のdeeplearning.jpの勉強会における論文輪読資料。 「A review of unsupervised feature learning and deep learning for time-series modeling」 「時系列モデリングのための教師なし表現学習とディープラー ニングに関する調査」のサマリーです。
論文輪読資料「A review of unsupervised feature learning and deep learning for time-s...
論文輪読資料「A review of unsupervised feature learning and deep learning for time-s...
Kaoru Nasuno
Andere mochten auch
(20)
Scalaで行うマイグレーション ~Flyway~
Scalaで行うマイグレーション ~Flyway~
Slackから始めるChatOps
Slackから始めるChatOps
Cloud Foundry にアプリケーションを push する際の典型的な10のエラー
Cloud Foundry にアプリケーションを push する際の典型的な10のエラー
TensorFlowの使い方(in Japanese)
TensorFlowの使い方(in Japanese)
マジカルドリームライトを制御してみた @ni_gata
マジカルドリームライトを制御してみた @ni_gata
時代は SNS 連携! WordPress サイトの SNS 連携、AMP & Instant Article 対策体験記 - WordFes Nagoy...
時代は SNS 連携! WordPress サイトの SNS 連携、AMP & Instant Article 対策体験記 - WordFes Nagoy...
WordPress
WordPress
【WordCamp Kansai 2014】WordPressで実制作までまるっとHAPPY!フリーランスママの愛されディレクション
【WordCamp Kansai 2014】WordPressで実制作までまるっとHAPPY!フリーランスママの愛されディレクション
4時間まったりWordPressテーマ作成講座
4時間まったりWordPressテーマ作成講座
WordPressの常識をくつがえす超簡単テーマ"doshirouto"を作ったのでこれでテーマを理解しよう!
WordPressの常識をくつがえす超簡単テーマ"doshirouto"を作ったのでこれでテーマを理解しよう!
JAWS FESTA Tohoku 2014 WordPressとAWSの素敵な関係
JAWS FESTA Tohoku 2014 WordPressとAWSの素敵な関係
超高速WordPress
超高速WordPress
WordPressってブログじゃないの?
WordPressってブログじゃないの?
Semi-Supervised Autoencoders for Predicting Sentiment Distributions(第 5 回 De...
Semi-Supervised Autoencoders for Predicting Sentiment Distributions(第 5 回 De...
第11回ゼロから始めるWordPress勉強会
第11回ゼロから始めるWordPress勉強会
2014年 失敗しない! WordPress 多言語サイト制作で絶対に知っておきたいこと
2014年 失敗しない! WordPress 多言語サイト制作で絶対に知っておきたいこと
2015 5 13_facebook3
2015 5 13_facebook3
Web動画、WordPressで使ってみよう!
Web動画、WordPressで使ってみよう!
WordPressの常識をくつがえす超簡単テーマ doshirouto2014 を作ったのでこれでテーマを理解しよう!
WordPressの常識をくつがえす超簡単テーマ doshirouto2014 を作ったのでこれでテーマを理解しよう!
論文輪読資料「A review of unsupervised feature learning and deep learning for time-s...
論文輪読資料「A review of unsupervised feature learning and deep learning for time-s...
Ähnlich wie Deeplearningとは?
Deep Learning Tutorial, 深層学習の入門
深層学習入門
深層学習入門
Danushka Bollegala
マルレク2014-2015 9月
人間の思考、機械の思考
人間の思考、機械の思考
maruyama097
ITシステムの開発を主にやっています。為安圭介です。 数年間、ITシステム開発のリーダという役割をいただいて、数十名のチーム運営を経験してきました。 今回、遅ればせながらAIに関する勉強を始めました。なんとなくわかった気になっていたAIについて、自分でまとめてみると驚くほど知らないことが多かったように感じます。 今さらですが、書店にあって立ち読みで済ませていた 「松尾 豊(著)@KADOKAWA『人工知能は人間を超えるか』」を購入し、その内容を自分の理解の範囲で簡単にまとめてみました。 これからAIについてビジネスを始めるITエンジニアの方々にも少しは理解できるものになっていると思います。 さて、このスライドをまとめるための時間は、最近アニメが復活したという噂を聞いてなんとなく読み直した「封神演義 ※崑崙山VS金鰲島~紂王が我に返るまで」+「DQ11 セーニャを仲間にする(2)まで」でした。 十二仙でも歯が立たなかった無敵の聞仲と崑崙の教主、元始天尊の戦いは熱かった。その後の武成王と聞仲のやり取りから、太公望との原始的な戦い・・・ DQ11をやったことがある人なら、この『(2)』の意味もわかるでしょう。個人的には1の方が良かったのですが。デルカダール神殿をクリアしたのが8月だったのに、2ヶ月経った今もまだセーニャとは・・・
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
トピックス:人工知能, ニューラルネットワークの性質, ドロップアウト, コンピュータビジョン, 物体検出, セグメンテーション, 顔情報処理, キーポイント, 姿勢推定, 画像分類システム, MNIST データセット コンピュータビジョンはコンピュータが実世界を理解・活用する技術で、 画像理解、物体検出、セグメンテーションなどが重要な要素である。 ディープニューラルネットワークや畳み込みにより、これらの精度向上が進んでいる。 畳み込みはデータとカーネルを重ね合わせて一つの値にまとめる手法である。 コンピュータビジョンは他にもある。 顔情報処理は顔検出、顔ランドマーク、顔のコード化、顔識別などがあり、 本人確認や表情推定、年齢判定など多岐にわたり利用される。 姿勢推定は人体の姿勢をAIで把握する技術で、 状況把握、行動予測、行動検知、危険察知などに応用される。 【関連するページ】 ・人工知能の基礎(全15回) https://www.kkaneko.jp/ai/mi/index.html ・金子邦彦研究室ホームページ https://www.kkaneko.jp/index.html ・YouTube 動画 https://youtu.be/8e6YqUl32gQ ・畳み込みニューラルネットワーク, 学習, 検証, 学習曲線について https://colab.research.google.com/drive/18IPPkY96Oc6jkYD2su4cFgWcoYAskLo_?usp=sharing 【関連する外部ページ】 ・CNN Explainer ジョージア工科大学 Polo Club 畳み込み層などの仕組みをビジュアルに学ぶことができるサイト https://poloclub.github.io/cnn-explainer/ ・OneFormer のデモサイト 画像のセグメンテーション https://huggingface.co/spaces/shi-labs/OneFormer ・コンピュータビジョンのデモサイト https://cloud.google.com/vision/docs/drag-and-drop
mi-8. 人工知能とコンピュータビジョン
mi-8. 人工知能とコンピュータビジョン
kunihikokaneko1
opensource and accessibility (Dec2000) Part 2
opensource and accessibility (Dec2000) Part 2
Takuya Nishimoto
「汎用人工知能の研究動向」(2014-05) http://www.slideshare.net/naoyaarakawa39/4-share-34819908 の全面改訂版
汎用人工知能について(2015-12)
汎用人工知能について(2015-12)
Naoya Arakawa
Scrum alliance regional gathering tokyo 2013 pub
Scrum alliance regional gathering tokyo 2013 pub
グロースエクスパートナーズ株式会社/Growth xPartners Incorporated.
NNKproject Japanese version
NNKproject Japanese version
nao takatoshi
NNKproject Japanese version2
NNKproject Japanese version2
nao takatoshi
https://rpacommunity.connpass.com/event/234897/ で登壇したときの資料です
再帰んのお話 Rpalt20220117
再帰んのお話 Rpalt20220117
Ryu CyberWintelligent
1.ディープラーニング(深層学習)ってなに? 2.人の脳に存在するニューロンとは? 3.脳のニューロンをまねた、人工ニューロンとは? 4.ニューロンをつなげた、ニューラルネットワークとは? 5.ニューラルネットワークの学習方法は? 6.ニューラルネットワークを利用して、答えられる問題は? 7.ニューラルネットワークが実際に使われている分野は?
ディープラーニングのしくみと、どのように活用できるか?
ディープラーニングのしくみと、どのように活用できるか?
Katsuya Yamada
実践セミナー
令和元年度 実践セミナー - Deep Learning 概論 -
令和元年度 実践セミナー - Deep Learning 概論 -
Yutaka KATAYAMA
集合知プログラミング勉強会キックオフMTGの第1章LT資料です
集合知プログラミング勉強会キックオフMTG LT用資料
集合知プログラミング勉強会キックオフMTG LT用資料
tetsuro ito
Deep Learning Labでお話したよもやま話です。
深層学習よもやま話
深層学習よもやま話
Hiroshi Maruyama
Kaggle - Malware Classification Challenge勉強会
マルウェア分類に用いられる特徴量 Kaggle - Malware Classification Challenge勉強会
マルウェア分類に用いられる特徴量 Kaggle - Malware Classification Challenge勉強会
Takeshi Ishita
Sparse Autoencoder についての紹介
Deep Neural Network の教師なし学習 (MIJS 分科会資料)
Deep Neural Network の教師なし学習 (MIJS 分科会資料)
Akihiro HATANAKA
Talk in ScalaMatsuri 2016 http://scalamatsuri.org/ Sample code: https://github.com/taisukeoe/matsuri-mnist-example
Getting Started with Deep Learning using Scala
Getting Started with Deep Learning using Scala
Taisuke Oe
Ähnlich wie Deeplearningとは?
(17)
深層学習入門
深層学習入門
人間の思考、機械の思考
人間の思考、機械の思考
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
mi-8. 人工知能とコンピュータビジョン
mi-8. 人工知能とコンピュータビジョン
opensource and accessibility (Dec2000) Part 2
opensource and accessibility (Dec2000) Part 2
汎用人工知能について(2015-12)
汎用人工知能について(2015-12)
Scrum alliance regional gathering tokyo 2013 pub
Scrum alliance regional gathering tokyo 2013 pub
NNKproject Japanese version
NNKproject Japanese version
NNKproject Japanese version2
NNKproject Japanese version2
再帰んのお話 Rpalt20220117
再帰んのお話 Rpalt20220117
ディープラーニングのしくみと、どのように活用できるか?
ディープラーニングのしくみと、どのように活用できるか?
令和元年度 実践セミナー - Deep Learning 概論 -
令和元年度 実践セミナー - Deep Learning 概論 -
集合知プログラミング勉強会キックオフMTG LT用資料
集合知プログラミング勉強会キックオフMTG LT用資料
深層学習よもやま話
深層学習よもやま話
マルウェア分類に用いられる特徴量 Kaggle - Malware Classification Challenge勉強会
マルウェア分類に用いられる特徴量 Kaggle - Malware Classification Challenge勉強会
Deep Neural Network の教師なし学習 (MIJS 分科会資料)
Deep Neural Network の教師なし学習 (MIJS 分科会資料)
Getting Started with Deep Learning using Scala
Getting Started with Deep Learning using Scala
Mehr von Yuto Suzuki
APIの5xxを解消するための仕組み
5xx解消への道のり
5xx解消への道のり
Yuto Suzuki
MySQLのIndexに関しての社内LTのスライド
MySQLのインデックス入門
MySQLのインデックス入門
Yuto Suzuki
社内でやった広告勉強会第2回目です
Ad vol.2
Ad vol.2
Yuto Suzuki
社内で行った広告勉強会の資料です
広告勉強会
広告勉強会
Yuto Suzuki
社内輪読会の資料 Mastering Bitcoinのネットワークの章の後半部分のスライド ・SPVノード ・BloomFilter ・トランザクションプール
Mastering Bitcoin ~network~
Mastering Bitcoin ~network~
Yuto Suzuki
社内LTしたときの資料。 AeroSpikeの基本的なことをまとめてました
Aerospike基本のき
Aerospike基本のき
Yuto Suzuki
Akka Streamに関して、いまさら発表しました。
いまさらAkkaStream
いまさらAkkaStream
Yuto Suzuki
About View Through Tracking
Introduction of View Through Tracking
Introduction of View Through Tracking
Yuto Suzuki
marketing for engineers
エンジニアのためのマーケティング
エンジニアのためのマーケティング
Yuto Suzuki
チームについて考えてみた。
How to Build a Team
How to Build a Team
Yuto Suzuki
Scalaとsansyoの話
プロダクトにおけるScala
プロダクトにおけるScala
Yuto Suzuki
Scalaを毛嫌いする人に対して歩み寄るためのお話
Do you like scala
Do you like scala
Yuto Suzuki
reinventの雑な発表。
Re invent
Re invent
Yuto Suzuki
カタカナ動詞の意味を取得する話
大学の時の研究の話
大学の時の研究の話
Yuto Suzuki
Scala, F.O.X
F.O.Xを支える技術
F.O.Xを支える技術
Yuto Suzuki
scalaを社内で広めるためには?
Scala戦士を増やせ
Scala戦士を増やせ
Yuto Suzuki
scala
Recommend scala
Recommend scala
Yuto Suzuki
スクラムで開発する上で、重要なことをまとめました。
スクラムに学ぶ開発の回し方
スクラムに学ぶ開発の回し方
Yuto Suzuki
scala,breeze
Breezeで始めるデータ分析
Breezeで始めるデータ分析
Yuto Suzuki
sbt pluginの作り方をLTで紹介しました
進撃のSbt
進撃のSbt
Yuto Suzuki
Mehr von Yuto Suzuki
(20)
5xx解消への道のり
5xx解消への道のり
MySQLのインデックス入門
MySQLのインデックス入門
Ad vol.2
Ad vol.2
広告勉強会
広告勉強会
Mastering Bitcoin ~network~
Mastering Bitcoin ~network~
Aerospike基本のき
Aerospike基本のき
いまさらAkkaStream
いまさらAkkaStream
Introduction of View Through Tracking
Introduction of View Through Tracking
エンジニアのためのマーケティング
エンジニアのためのマーケティング
How to Build a Team
How to Build a Team
プロダクトにおけるScala
プロダクトにおけるScala
Do you like scala
Do you like scala
Re invent
Re invent
大学の時の研究の話
大学の時の研究の話
F.O.Xを支える技術
F.O.Xを支える技術
Scala戦士を増やせ
Scala戦士を増やせ
Recommend scala
Recommend scala
スクラムに学ぶ開発の回し方
スクラムに学ぶ開発の回し方
Breezeで始めるデータ分析
Breezeで始めるデータ分析
進撃のSbt
進撃のSbt
Deeplearningとは?
1.
DeepLearning とは なんぞや? 鈴木雄登
2.
自己紹介 • 鈴木雄登 • CyberAgent
13年入社 • 今:Scalaでサーバーサイド • 昔:自然言語処理 • @moc_yuto
3.
DeepLearning 怖い? 人工知能?
4.
そもそも何ができるの?
5.
今回は数式はほぼ使いません。
6.
まず機械学習って? • パターンを学習する(学習) • そのバターンのうちどれにあてはまるか(予測、推 測)
7.
学習 人間ですか?? 違います!
8.
DeepLearningとは? ニューラルネットワークの一種 特に3層以上のもの
9.
DeepLearningの要素技術 • ニューラルネットワーク • 自己符号化器(飛ばす) •
畳み込みニューラルネット • 再帰型ニューラルネット • ボルツマンマシン(飛ばす)
10.
ニューラルネットワーク 人間の脳のシナプスを模倣したアルゴリズム
11.
ニューラルネットワーク 単層パーセプトロン 多層パーセプトロン
12.
画像認識としてのNN 多クラス分類という ライオン、猫、犬、象、ト ラック、机、椅子、牛乳、 人、バスタブ、コーン、バレー ボール、ラケット、ビニール 袋、リモコン、がちょう、 マウンテンバイク、・・・ 判定する画像 大量のカテゴリ
13.
じゃあニューラルネットワー クでどうやるのか?
14.
カテゴリ2 カテゴリ1 どっちのカテゴリっぽい? ・・・ ・・・
15.
1 0 0 1 1 0 1 1 1 w1 w2 w3 w4 w5 w6 w7 w8 w9 y カテゴリ1の場合、0以上なら通れる カテゴリ2の場合、0以下なら通れる 重み z
16.
1 0 0 1 1 0 1 1 1 w1 w2 w3 w4 w5 w6 w7 w8 w9 y z
17.
0 0 0 0 0 0 1 1 0 w1 w2 w3 w4 w5 w6 w7 w8 w9 zy
18.
学習のサイクル y 通れた←何もしない 通れない←重み更新 このセットを繰り返して、 全ての学習用のデータが正しく分類できるまで続ける。
19.
機械学習QA • 学習って何を学習してるのか? →重み • 予測ってなにしてるのか? →学習された重みを含んだ式に当てはめる
20.
拡張して3層にできます 0 0 1 1 ちょっと省略しました。 z1
21.
0 0 1 1 z1 そもそも出力は一つでなくていい(単層でも同じ) z2
22.
多クラス分類 0 0 1 1 犬 猫 人
23.
でも、 さっきの方法だと1か0だし、 確率みたいにできなそう
24.
勾配降下法 そもそも出力が0か1だけというのは、 学習が極端になってしまうため、 学習に適していない。
25.
・0か1か:0だったら更新、1だったら更新しない ・0 x 1:誤差を最小にする 重みの更新判定
26.
・0 x 1:誤差を最小にする 0 0 1 1 z1 学習データ
値を取得:0.4 予想していた値:1 乖離
27.
学習データ 値を取得:0.4 予想していた値:1 乖離 誤差関数 こいつを最小化するように重みを決めたい。
28.
シグモイド関数 入力した値を0から1の間に収めてくれる関数
29.
0 0 1 1 z1 各ユニットでシグモイド関数を適用してあげると、 [0,1]になって使いやすく。 この関数を活性化関数と言います。
30.
学習データ 値を取得:0.4 予想していた値:1 乖離 誤差関数 こいつを最小化するように重みを決めたい。
31.
ある関数の最小値を求めるのってどうやるの?
32.
ここ 傾き=0 微分して0
33.
勾配が降下してる!!!! →勾配降下法
34.
実際の計算方法 多層の場合、重みの重みになってしまう。 これの微分とかヤヴァイ。。。。
35.
バックプロパゲーション 0 0 1 1 z1 1層目の重み 2層目の重み 1,まず2層目の重みを誤差関数を最小化して求める 2,2層目で最小化したものを用いて、1層目の微分を行う …
36.
過適合 本当の最小値ではないところで、 収まってしまうこと。 人間でも広い世界を見ないと 井の中の蛙になってしまうのと同じですね
37.
過適合対策 • 更新される重みに制約をつける • ドロップアウト •
重みに上限を設ける
38.
畳み込みニューラルネット
39.
畳み込みニューラルネット • 画像向けのNN • 画像認識の分野においては最も主流のニューラルネッ ト
40.
41.
畳み込みNNの構造 • 畳込み層:画像上の各位置ごとに特徴抽出を行う層 (フィルタ処理)。バックプロパゲーションで重み (フィルタ)の最適化 • プーリング層:畳み込みで作られた重み(フィル タ)の情報量を落とす役割。
42.
畳込み層 実際の画像とフィルタと呼ばれる画像の画素の積和計算を行う フィルタは決めた分だけずらしながら適用。
43.
畳込み層での処理 R G B フィルタ適用 足し合わせる
44.
プーリング層での処理 • 畳み込みで抽出した特徴をぼやかして、情報量を落 とす。(実際なぜうまくいくかはわかっていない。) → 最大プーリング
45.
学習は? 【実行】 畳み込みは、ネットワークを出力方向へ進むのと同義 畳込み層でのフィルタは、重み 【重み更新】 同じく、バックプロパゲーションを行う
46.
フィルタを適用する回数分、 NNのユニットが存在すると考えると同じになる
47.
精度 • 2012年の物体カテゴリ認識のコンペで優勝を飾っ た • タスク:1000種のカテゴリから画像がどこに属す るかを当てる
48.
再帰型ニューラルネット • 音声や言語解析向けのNN • 系列データに向く
49.
構造 一部は出力され、一部はもう一度戻ってくる構造
50.
学習などの考え方 t-1 t t+1
51.
DeepLearningの要素技術 • ニューラルネットワーク • 自己符号化器 •
畳み込みニューラルネット • 再帰型ニューラルネット • ボルツマンマシン
Jetzt herunterladen