[IT研修]注目キーワード Python UiPath(RPA) 最新技術動向 Microsoft Azure Docker Kubernetes 第49回 大規模レコメンデーションシステムのアーキテクチャー(パート2) (中井悦司) 2018年11月 はじめに 前回に引き続き、2016年に公開された論文「Deep Neural Networks for YouTube Recommendations」をもとにして、ビデオストリーミングサービス(YouTube)のレコメンデーションシステムを支える機械学習のアーキテクチャーを紹介します。前回の図2に示したように、このシステムでは、「候補選択モデル」と「ランキングモデル」を組み合わせた仕組みが用いられています。今回は、候補選択モデルの部分について、その仕組みを少し掘り下げて解説したいと思います。 協調フィルタリングの復習 前回の最後に少し触れ
畳み込みニューラルネットワークに関するサーベイ論文が電子情報通信学会論文誌に採録されました。 本サーベイは、中部大学山下准教授と共同で実施いたしました。こちらから早期公開版をご覧いただけます。また、ベースとなった研究会の発表資料も公開しておりますので、合わせてご参照ください。 DeNAは、本分野発展のための情報発信に引き続き取り組んでまいります。 タイトル 物体認識のための畳み込みニューラルネットワークの研究動向 あらまし 2012年の画像認識コンペティションILSVRCにおけるAlexNetの登場以降、画像認識において畳み込みニューラルネットワーク (CNN) を用いることがデファクトスタンダードとなった。ILSVRCでは毎年のように新たなCNNのモデルが提案され、一貫して認識精度の向上に寄与してきた。CNNは画像分類だけではなく、セグメンテーションや物体検出など様々なタスクを解くための
Exponential family distributions are highly useful in machine learning since their calculation can be performed efficiently through natural parameters. The exponential family has recently been extended to the t-exponential family, which contains Student-t distributions as family members and thus allows us to handle noisy data well. However, since the t-exponential family is defined by the deformed
Recent hardware developments have dramatically increased the scale of data parallelism available for neural network training. Among the simplest ways to harness next-generation hardware is to increase the batch size in standard mini-batch neural network training algorithms. In this work, we aim to experimentally characterize the effects of increasing the batch size on training time, as measured by
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