「ゼロから作るDeep Learning」書評。購入を迷っている方へ - HELLO CYBERNETICS
結論 理由 実装がライブラリに依存していない しっかりと解説が行われている リファレンスが充実している 計算グラフによってネットワークの計算を扱う 中身 誰におすすめできるか 誰におすすめできないか 私が本を購入して 結論 非常に良い書籍です。迷っているならば購入してもいいでしょう。 ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装 作者: 斎藤康毅 出版社/メーカー: オライリージャパン 発売日: 2016/09/24 メディア: 単行本（ソフトカバー） この商品を含むブログ (5件) を見る 理由 以下記事で理由を述べていきます。 実装がライブラリに依存していない もしもライブラリに依存したものである場合、ライブラリが更新されると、本の内容が古くなって価値のないものになることもありえます。しかしこの本は、ディープラーニングを理解することに焦点を
画像認識
デジタルカメラの顔認識機能など、身近で利用されている画像認識の技術。機械学習の応用により、その精度は格段に向上した。最前線で活躍する研究者が、基礎から深層学習を取り入れた応用的手法までをくわしく解説する。画像認識の現状と今後の展望を知るのに最適な一冊！ 第1章 画像認識の概要 画像認識とは／画像認識の分類／クラス認識の手順／深い構造と浅い構造／物体検出／インスタンス認識と画像検索／画像認識の認識性能を向上させるには？／数学表記について 第2章 局所特徴 局所特徴とは／検出器／空間フィルタリング／基本的な検出器／ 回転やアフィン変換に頑健な検出器／記述子／検出器と記述子の組み合わせ 第3章 統計的特徴抽出 統計的特徴抽出とは／主成分分析／白色化／フィッシャー線形判別分析／正準相関分析／偏最小2乗法 第4章 コーディングとプーリング コーディングとプーリングの概要／確率分布を利用したコーディン
Residual Network(ResNet)の理解とチューニングのベストプラクティス
Residual Network（ResNet）とは ResNetのアイデア Shortcut Connectionの導入 Bottleneckアーキテクチャ ResNetの最適化ベストプラクティス Optimizerの選定 Batch Normalizationの位置 Post Activation vs Pre Activation Wide Residual Network まとめ 参考 2015年のImageNetコンペティションとCOCOセグメンテーションの最良モデルとしてDeep Residual NetworksがMicrosoft Researchから提案され、最大1000層以上の深いニューラルネットワークを構築することが可能となった。 本記事では、 Residual Networkとは何か Residual Networkのチューニング方法 Residual Networ
ディープラーニングがわかる数学入門
この本の概要 ディープラーニング（深層学習）は，人工知能（AI）分野で活躍したい，多くの人たちに注目されています。ディープラーニングは，今後ますますの発展が予想される人工知能の技術を新時代へ導いています。一方で，ディープラーニングの学習には数学の知識が必要不可欠です。本書はそのディープラーニングに必要な数学の知識をわかりやすく解説した入門書です。図を多用し，具体例を重視した内容になっています。ディープラーニングに関わる数学の知識を基本からしっかり学びたい人には必携の入門書となります。 こんな方におすすめ ディープラーニングに関心のある学生，社会人 はじめに 本書の使い方 Excel サンプルファイルのダウンロードについて 1章 ニューラルネットワークの考え方 1 ニューラルネットワークとディープラーニング 2 ニューロンの働きの数学的表現 3 ニューロンの働きを一般化する活性化関数 4 ニ
Deep Learningの習得にはスクラッチでの実装が効果的
多くの業界からますます注目を集める機械学習・深層学習。2012年、東京大学の松尾 豊研究室においてDeep Learningとはじめて出会った巣籠 悠輔氏は、現在、母校東大の招聘講師としてAIの未来を担う後進の育成に力を入れている。Deep Learningに関する英文による書籍執筆経験もあり、株式会社 情報医療（MICIN, Inc.）※では同社の最高技術責任者（CTO）を務める巣籠氏にお話をうかがった。 ※：機械学習・深層学習を医療分野に応用した新事業の開拓を目指して2015年11月に設立された。MICINは「マイシン」と読む。 Deep Learningとの出会い～2012年、松尾 豊研究室 私がDeep Learningを知ったのは2012年の秋、東大の修士2年で、現在では人工知能の世界で非常に著名な松尾 豊先生の研究室に在籍していました。松尾先生が「Deep Learningはす
教師データ数を削減できる深層学習技術を開発 : 富士通
English PRESS RELEASE （技術） 2017年2月21日 富士通株式会社 （本資料は、富士通研究開発中心有限公司が発行したプレスリリースの抄訳です。） 教師データ数を削減できる深層学習技術を開発 中国古文書の文字認識において学習用の教師データを70%削減 富士通研究開発中心有限公司（注1）（以下、FRDC）は、中国古文書文字の高精度な文字認識に用いる深層学習技術において、少ない数の学習データでも高精度な文字認識を実現できる技術を開発しました。本技術は、古文書の文字画像を、その文字画像と文字を紐づけた学習用データ（教師データ）で学習させる深層学習の認識エンジンと、文字と紐づけられていない二つの文字画像が同じ文字か異なる文字かという特徴を学習する深層学習エンジンを組み合わせて学習させる技術です。これにより、本技術の適用前の、教師データのみを用いて学習する従来技術と同じ精度の認
Deep Learningの恩恵を手軽に活用できるコグニティブサービスとは
コグニティブサービスのAPIを用いて、「現在のコグニティブサービスでどのようなことができるのか」「どのようにして利用できるのか」「どの程度の精度なのか」を検証していく連載。初回は、コグニティブサービスとは何かの概要とAPIを使うための準備の仕方を説明します。 ※本稿は2017年1月19日の情報を基に作成しています。記事内で使用している画面は変更になっている場合がありますがあらかじめご了承ください。 本連載の目的 本連載「認識系API活用入門」では、マイクロソフトのコグニティブサービスのAPIを用いて、「現在のコグニティブサービスでどのようなことができるのか」「どのようにして利用できるのか」「どの程度の精度なのか」を検証していきます。 なお、本連載ではVisual Studio 2015とC#で開発しますが、マイクロソフトのコグニティブサービスはREST APIなので、C#に限らずさまざまな
PFNの深層学習フレームワーク「Chainer」が大幅な高速化へ、分散処理に対応
Preferred Networks（PFN）が開発するディープラーニング（深層学習）フレームワーク「Chainer」が間もなく、分散処理に対応することで大幅に高速化する。PFNの西川徹社長が2017年1月26日（米国時間）に米サンフランシスコで開催された「Deep Learning Summit 2017」で明らかにした（写真1）。 現在のChainerは、マルチノード（複数サーバー）での学習に対応にしておらず、1台のノード上で複数のGPU（Graphics Processing Unit）を使用する場合も、どのGPUで何の処理を実行するのかをプログラマーが記述する必要があった。PFNはマルチノードでの学習に対応した分散バージョンのChainerを開発中で、社内ではテストも始めている。この分散バージョンのChainerでは設定を変更するだけで、マルチノード環境やマルチGPU環境に対応する
深層学習-近代科学社
電気羊の夢を見させるための第一歩！ 深層（多段層）ニューラルネットワークの構築は人工知能を模索する研究者にとっては、長年の課題であり夢でもあり、まさに研究対象でもあった。しかしただ単に多層化するだけでは、能力をうまく発揮することは出来なかった。近年、大きなブレークスルーがあり深層学習の手法を使うことにより、機械が自ら表現を学習出来ることが分かった。しかし、新しい手法でもあり、未解決な課題も多く存在している。 本書は、この分野の最先端の著者らが、人工知能学会誌に掲載した連載解説を、大幅に加筆再編したものである。今までの到達点、今後の課題が、具体的な研究成果と共に書かれている。深層学習の理論・応用を、自らの研究に取り込むことを考えている読者には、まさに必携必読の書籍である。 電子書籍¥3,500 小売希望価格（税別） Kindle 楽天kobo Apple Books 紀伊國屋書店 Googl
ディープラーニングについて学ぶならこの2冊を読むしかない｜加藤貞顕
年末年始はこの２冊を読んでいた。 『はじめての深層学習プログラミング』清水亮 『ゼロからつくるDeep Learning』斎藤康毅 結論から言うと、いま、人工知能やディープラーニングに興味があるひとは、２冊とも必読ではないかと思った。 アプローチが完全に対称的なので、両方読んだら、理論と雰囲気について、見通しがつくようになったのがとてもよかった。 『ゼロからつくるDeep Learning』は、ていねいに書かれたオーソドックスな入門書だ。人工知能開発によく使われる言語・Pythonの基本や数値計算ライブラリの使い方からはじまり、ニューラルネットワーク、ディープラーニング、畳み込みときて、最後に画像認識を解説する。随所に適切な例題やサンプルコードを交えて、理論と実践をバランスよく説明している。 対して、『はじめての深層学習プログラミング』は、まったく真逆のアプローチだ。なんと、理論の解説など
深層学習（ディープラーニング）で何ができるかJavaScriptで体験してみよう | 日経 xTECH（クロステック）
深層学習（ディープラーニング）で何ができるかJavaScriptで体験してみよう JavaScriptで簡単に実践できる深層学習（1） 近年、第三次人工知能ブームが巻き起こっています。特に、深層学習（ディープラーニング）と呼ばれる技術で目覚ましい成果を上げています。本稿では、難しいと思われている機械学習（深層学習）を、お手軽プログラミング言語JavaScriptで実践してみます。難しい数式や理論は後回しにして、まずは、気軽に機械学習に触れてみましょう。 今、注目を集める深層学習 冒頭で言及したように、近年、第三次人工知能ブームが巻き起こっています。囲碁のAI（人工知能）が、碁の世界チャンピオンを破ったり、コンピューターに大量のYouTube動画を学習させたところネコの概念を学習することができたりなど、人工知能の分野で驚くようなニュースを目にすることが多いものです。 こうしたニュースの背後に
はじめてのDeepLearning入門(Chainer) 日本語文字認識 1章[環境構築] - Qiita
こんにちはリヒトです。 環境研究所で販売されている日本語文字認識データセットを入手したので、データセットを活用したDeepLearning初学者のためのチュートリアルを公開します。 日本語の文字認識エンジンの開発にトライします。 以下の画像を見てもわかる様に、ゲシュタルト崩壊請け合いなチュートリアルですが、めげずに頑張っていきたいと思います。 なおこの記事は ・DeepLearningをはじめたい！ ・mnistの数字認識以外のチュートリアルをやりたい！ ・DeepLearning関連技術について学びたい！ ・自分で日本語OCRの開発をしたい！ という方々に向けて書いています。 以下のアウトラインで説明します。 章 タイトル
![はじめてのDeepLearning入門(Chainer) 日本語文字認識 1章[環境構築] - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/9fc11f914cfee5827a929e30911ab0e746e1bbd3/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-9f5428127621718a910c8b63951390ad.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-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%26mark-x%3D142%26mark-y%3D112%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTYxNiZ0eHQ9JTQwTGljaHRMYWJvJnR4dC1jb2xvcj0lMjMyMTIxMjEmdHh0LWZvbnQ9SGlyYWdpbm8lMjBTYW5zJTIwVzYmdHh0LXNpemU9MzYmdHh0LWFsaWduPWxlZnQlMkN0b3Amcz00ZmRhM2NmYThhYjlkYzk0MDI2ODRlZTRjNDM5NWE1ZQ%26blend-x%3D142%26blend-y%3D491%26blend-mode%3Dnormal%26s%3D60e66ac3ac388b99e3b8a1aa73df22e9)
2016年のディープラーニング論文100選 - Qiita
これはFujitsu Advent Calendar 2016の11日目の記事です。 掲載内容は個人の意見・見解であり、富士通グループを代表するものではありません。なお、内容の正確性には注意を払っていますが無保証です。 はじめに この記事では先月今年発表されたディープラーニング論文（ArXivでの発表時期、発表された国際会議が2016年開催またはジャーナル掲載が2016年のもの）から私が個人的に重要だと思った論文を収集しています。また、2015年末ごろの論文も重要なものは採用しています。 以下の投稿も合わせてご覧ください。 2017年のディープラーニング論文100選 DeepLearning研究 2016年のまとめ 2016年の深層学習を用いた画像認識モデル foobarNet: ディープラーニング関連の○○Netまとめ NIPS2016実装集 ディープラーニングにとっての2016年 20
写真から先の動きを予想して動画を生成可能な深層学習システム、MITが開発中
印刷する メールで送る テキスト HTML 電子書籍 PDF ダウンロード テキスト 電子書籍 PDF クリップした記事をMyページから読むことができます マサチューセッツ工科大学（MIT）の研究者らは、写真の中で何が起こっているのかを読み取り、次に何が起こるのかを予測するという深層学習システムを開発した。 MITの機械学習研究者が開発したシステムは、静止画にアニメーションを加えることで近い将来にこうなりそうだという考えを示す。例えば波は最終的にはじける、人が野原で動く、電車が線路を前に進むといったことだ。 この取り組みは、現実の世界でどのようにオブジェクトが動くのかを機械が理解できるようにすることで、今後のコンピュータービジョン研究の新たな方向性を示す可能性がある。 研究チームは、ディープネットワークに数千時間分のラベルのない（タグのない）動画によるトレーニングを行うことで目標に到達した
ディープラーニング（深層学習）を低消費電力で実現する脳型プロセッサを開発 | 東芝デバイス＆ストレージ株式会社 | 日本
当社は、ディープラーニング（深層学習）の処理を極めて低い消費電力で実行する、人間の脳を模した半導体回路TDNN注1（Time Domain Neural Network）を開発しました。TDNNは演算回路を小さくできる特徴があり、従来と比べ多くの演算回路を1チップに実装することができます。本成果について、富山県で開催されるIEEE主催の半導体回路技術に関する国際会議「A-SSCC 2016（Asian Solid-State Circuits Conference 2016)」で11月8日に発表します。 現在、ディープラーニングは、大量の演算を高速で処理し、多くの電力を消費する高性能コンピュータによって行われており、センサーやスマートフォンなどのエッジデバイスで同様のディープラーニングを実行するためには、大量の演算を数ワット以下の低消費電力で実行するチップが必要です。ノイマン型注2と呼ばれ
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
mxnetで頑張る深層学習
Apache MXNet
『進化計算と深層学習 創発する知能』第25回大川出版賞受賞！
富士通、ディープラーニング専用AIプロセッサ「DLU」を開発
SSSSLIDE
