自動微分を実装して理解する（前編） - Qiita近年、機械学習への応用により自動微分の技術が再び脚光を浴び始めています1。例えばDeepLearningを微分な可能な関数の組み合わせ論へと発展させた微分可能プログラミング2では、プログラミングにより実装した関数の導関数を求める操作が基本的な役割を果たしています。この記事では自動微分に対する理解をより深めるために、自動微分のアルゴリズムをゼロから実装していきたいと思います。
functor.tokyo -- How to get into Machine Learning for a Haskeller
I've been interested in Haskell for about 5 years now. I've been using it professionally for about 3 years. Most of the work I've done so far has been web-related. A large part has been writing web application backends in Haskell. I really enjoy using Haskell as a programming language, but I would like to expand my skill set. When looking to level up, it seems like a lot of Haskellers focus on imp
1
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
GitHub - leopiney/tensor-safe: A Haskell framework to define valid deep learning models and export them to other frameworks like TensorFlow JS or Keras.
A Purely Functional Typed Approach to Trainable Models (Part 1)
GitHub - aligusnet/mltool: Machine Learning Toolbox
GitHub - brunjlar/neural: Neural Nets in native Haskell
GitHub - mdibaiee/sibe: Experimental Haskell machine learning library
GitHub - HuwCampbell/grenade: Deep Learning in Haskell
