本のまえがき | 本の購入サイト
序章 はじめに LISPは冗談に「計算機を誤用するための最も賢い方法」であるといわれてきた．この描写は大変な賛辞であると私は思う．この言葉によって LISPの持つ完全に自由な雰囲気が伝わってくるからである．――― LISPは，我々の最も才能のある人々が，以前は不可能であった試行を行う手助けをしてきたのである． ハッカーにとって，簡潔さより大事なことがある．自分のやりたいことがやれることだ．プログラミング言語の歴史をふりかえってみると，「正しくない」と考えられる行いをプログラマがするのを防ぐために驚くべき程の努力が払われて来た．これは危険なほどにおこがましい計画である．プログラマが必要とするであろうことを，どうやって言語設計者はあらかじめ知ることが出来ると言うのだ? 言語設計者は，ユーザを自分のミスから守ってやらなきゃならないようなまぬけではなく，設計者が考えもしなかったようなことを実現で
Proceedings of Machine Learning Research
[edit] Volume 48: International Conference on Machine Learning, 20-22 June 2016, New York, New York, USA [edit] Editors: Maria Florina Balcan, Kilian Q. Weinberger [bib][citeproc] No Oops, You Won’t Do It Again: Mechanisms for Self-correction in Crowdsourcing Nihar Shah, Dengyong Zhou; Proceedings of The 33rd International Conference on Machine Learning, PMLR 48:1-10 [abs][Download PDF][Supplement
ニューラルネットワークを用いたパターン認識
はじめに ニューラルネットワークの主要なアルゴリズムであるバックプロパゲーション法を、車両のナンバープレートの自動読取りへの応用例で紹介します。完成版のアプレットを見る 対象読者 パターン認識に興味を持ち、特にニューラルネットワークを用いる方法に関心のある人。必要な環境 J2SE 5.0を使っていますが、これより古いバージョンでも、本稿のコードをコンパイルし、実行することができます。ただし、添付のコンパイル済みアプレットの実行には、J2SE Runtime Environment 5.0が必要です。また、CPUパワーが足りないと、学習に時間がかかります。 パターンには、音声、画像、図形、文字などがあります。これらが何であるかを認識することを「パターン認識」と呼び、音声認識の応用は音声入力装置に、画像認識の応用は顔や指紋の照合に使われます。文字認識は、大別して、手書き文字の認識と、印刷文字の
Intelligence without representation / Rodney Brooks
INTELLIGENCE WITHOUT REPRESENTATION 表現形式なき知性 - Rodney A. Brooks, 1987 back この文章は Rodney A. Brooks の論文 「Intelligence without Representation」および 「A Robust Layered Control System for a Mobile Robot」を 読んで新山が理解したことをまとめたものです。 Related links MIT AI-Lab の Brooks のページ Google://brooks subsumption/ (日本語) Google://brooks subsumption/ (英語) 大分大・知能情報システム工学科実験 (Subsumption Architecture を使っている) 最近のBrooksの寝ぼけた発言 概要
ベイジアンネットワーク－入門から応用まで
Abstract: ( ) ( ) ( ) 1. ( ) 2. (Bayesian network, Bayesnet, belief network) [1, 2, 3, 4, 5] [6, 7, 8, 9, 10] 0 1 1 0 Xi, Xj Xi → Xj Xj Xi X1 X2 X4 X3 X5 X2 0 1 X4 0 0.8 0.4 1 0.2 0.6 条件付確率表 P(X4|X2) P(X3|X1,X2） Ｐａ（Ｘ３） Ｐａ（Ｘ５） Ｐａ（Ｘ４） P(X５|X３,X４） 1: Bayesian network Xj Pa(Xj) Xj Pa(Xj) ( Pa(Xj) ) P(Xj | Pa(Xj)) (1) n X1 · · · , Xn (2) P(X1, · · · , Xn) = n � j=1 P(Xj | Pa(Xj)). (2) 1 1 3 Pa(Xj) = x1
第10回 情報論的学習理論ワークショップ (IBIS 2007)
第10回 情報論的学習理論ワークショップ (IBIS 2007) 2007年11月5日(月),6(火),7日(水) 東京工業大学すずかけ台キャンパス 盛況のうちに終了しました。皆様、ありがとうございました。 最新情報 一般投稿の受理論文を掲載しました(9月14日) 参加申し込み受付を開始しました(9月20日) 最終プログラムを掲載しました(11月1日) 開催概要 共催: 文科省科研費特定領域研究「情報統計力学の深化と展開」、 電子情報通信学会 情報論的学習理論 時限研究専門委員会 協賛(依頼中を含む)： 東工大グローバルCOE「計算世界観の深化と展開」, 応用統計学会，応用物理学会，計測自動制御学会，システム制御情報学会， 情報処理学会，情報理論とその応用学会，人工知能学会， 電子情報通信学会 情報理論研究会・人工知能と知識処理研究会・ コンピュテーション研究会・ニューロコンピューティ
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
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
世界を知覚する人工知能 - マイクロワールド-
http://robotics.stanford.edu/users/nir/Papers/Fr2.pdf
サービス終了のお知らせ
Bayesian Policy Gradient
Home | Numenta