suicaのサーバーはみんなの知らないところで、実はたまに落ちているそうだ。 だがシステムが止まることはない、計算上センターは3日ぐらいは止まっていても大丈夫だそうだ。 だからサーバーが落ちたなどとニュース沙汰になることは殆ど無い。 suica開発陣頭指揮をされていたかたが、その実績をまとめてと頼まれ、博士論文にしたそうだ。 suicaの実例を述べるだけだと技術論文になってしまうので、一般化して論文を書きあげたそうなのだが、審査に携わった専門家の人達はそんなものが動くわけないだろうといったらしい。しかし現実問題としてsuicaは動いてしまっている。 本人いわく、だってそれで動いちゃってるんだもん。だそうだ。 実装は時として奇妙に見えるかもしれない。 フィールドには神がいる。 …その意や、なんで落ちても大丈夫かなどはまた後ほど。 スイカのセミナー 昨日はスイカのセミナーだった。 JR東でスイ
The Flying Platform is a flying machine developed at IDSC, ETH Zurich. Its purpose is to study the use of electric ducted fans as control and propulsion systems. Background The idea is to explore the use of ducted fans for joint control and propulsion, as a basic sub-system for flying machines. Ducted fans are useful for applications where size is limited and high static thrusts are required. Exam
TFX: A TensorFlow-Based Production-Scale Machine Learning Platform Denis Baylor, Eric Breck, Heng-Tze Cheng, Noah Fiedel, Chuan Yu Foo, Zakaria Haque, Salem Haykal, Mustafa Ispir, Vihan Jain, Levent Koc, Chiu Yuen Koo, Lukasz Lew, Clemens Mewald, Akshay Naresh Modi, Neoklis Polyzotis, Sukriti Ramesh, Sudip Roy, Steven Euijong Whang, Martin Wicke, Jarek Wilkiewicz, Xin Zhang, Martin Zinkevich Googl
TensorFlowではじめるDeepLearning実装入門 (impress top gear)posted with カエレバ新村 拓也 インプレス 2018-02-16 Amazonで検索楽天市場で検索Yahooショッピングで検索 目次 目次 はじめに メモ 参考資料 MyEnigma Supporters はじめに Goolgleのベイズ統計、機械学習の研究者である Dustin Tran氏が下記のような面白いブログ記事を上げていたので、 そのメモです。 dustintran.com メモ Googleの機械学習エンジニアにによるエンジニアリングのやり方。研究に使うツールを紹介していて面白い。 https://t.co/IrPU3t34Wx— Atsushi Sakai (@Atsushi_twi) 2018年3月11日 ちょっと内容をメモしてみる。まず初めに何を解くべきかを考え
While great strides have been made in using deep learning algorithms to solve supervised learning tasks, the problem of unsupervised learning - leveraging unlabeled examples to learn about the structure of a domain - remains a difficult unsolved challenge. Here, we explore prediction of future frames in a video sequence as an unsupervised learning rule for learning about the structure of the visua
Since the emergence of Deep Neural Networks (DNNs) as a prominent technique in the field of computer vision, the ImageNet classification challenge has played a major role in advancing the state-of-the-art. While accuracy figures have steadily increased, the resource utilisation of winning models has not been properly taken into account. In this work, we present a comprehensive analysis of importan
**stopped maintaining in 2019 In the past 5 years there’s been a lot of enthusiasm about AI and specifically machine learning and deep learning. As we continuously deploy AI models in the wild we are forced to re-examine what are the effects of knowledge symbolisation, generalisation and classification on the historical, political and social conditions of human life. We also need to remind ourselv
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