Deep Learning
An MIT Press book Ian Goodfellow and Yoshua Bengio and Aaron Courville The Deep Learning textbook is a resource intended to help students and practitioners enter the field of machine learning in general and deep learning in particular. The online version of the book is now complete and will remain available online for free. The deep learning textbook can now be ordered on Amazon. For up to date an
【みんな】Caffeより手軽かつ高速! Cで書かれた必要十分な深層学習フレームワーク darknetを試す【意外と知らない】:電脳ヒッチハイクガイド:電脳空間カウボーイズZZ(電脳空間カウボーイズ) - ニコニコチャンネル:生活
チャオ! オレだ。 深層学習を手軽に使いたいというニーズは日に日に高まっているはずなのに、ガクシャ先生どもと来たら、やれMatlabだ、やれPythonだのと軟弱言語の話しかしやしねえ。どこかに気骨溢れたナイスガイはおらんのか! と思ったら、居た。 それが今回紹介するdarknetだ。 darknetという名前から想像する異常にダークである。 バーン どうよこのダークネス感 いまどき黒いページというのは珍しい。 そして無駄に凝った魔法陣のようなロゴ。ダークだ。 しかしダークネット、厨二満開とせせら笑っていられるのもいまのうちだ。 このダークネット、実に必要十分な機能を最短で試せる超絶優れたツールなのである。 CaffeやTensorFlowほどの知名度はないが、実用性皆無なTensorFlowに比べてdarknetはものすごく実用的。Cが分かる人ならばこれほど使いやすいものもちょっと他にな
遺伝的アルゴリズムでテトリスのAIを強くする | takuma7
学校の宿題でつくってみた。未完成だし不完全だしもうちょっとよくできるだろうと思うけれども、遺伝的アルゴリズムでプログラムが強くなっていく様を見るのは面白い。 1. 問題 先日海外旅行に行ったのだが、飛行機の中でできるテトリスに夢中になってしまった。僕自身はテトリスマスターなどではなく初心者に毛が生えた程度で、機内のランキングでもやっとこさ8位にノミネートできるといった具合である。この時に、ふと、自分よりもうまくテトリスをプレイしてくれるプログラムを作ろうと思った。そのようなプログラムがあれば、プログラムが指示する配置の仕方を参考にでき、自身のテトリス力向上にも役立つと考えたのだ。 そこで今回は強いテトリスのAIを作ることを目標にする。 1.1. テトリスのルール テトリスのルールとしては以下のようなものを使用する。 テトリミノの形は上図のような棒形, 正方形, S字, Z字, J字, L字
Support Vector Machine
人間には卓越した学習能力が備わっている．人間は目で見たり，耳で聞いたものが何であるかをいとも簡単に認識できる．また，未知の環境に適応する能力も優れている．それに対し，コンピュータは，与えられた指示（プログラム）どおりに高速に計算を行う能力においては優れているが，学習能力という点においては，人間とは比較にならない． そこで，人間のような学習能力をもった機械（モデル）を作るための学習理論が発達してきた．その代表的な成果の1つとして，多層パーセプトロンが挙げられる．多層パーセプトロンは1980年代に開発され，これまで多方面に応用されてきた．しかし，望ましくない局所最適解への収束，中間層の素子数の選択など，いくつかの問題点がある． サポートベクターマシン(Support Vector Machine:SVM) は，このような問題を解決した学習機械として知られている．サポートベクターマシンとは，1
Kernel-Machines.Org — Kernel Machines
This page is devoted to learning methods building on kernels, such as the support vector machine. It grew out of earlier pages at the Max Planck Institute for Biological Cybernetics and at GMD FIRST, snapshots of which can be found here and here. In those days, information about kernel methods was sparse and nontrivial to find, and the kernel machines web site acted as a central repository for the
第参回天下一カウボーイ大会・カウボーイセッション/金子勇さん - 過去ログ
長文日記 実際の神経系からヒントを得た新型人工知能モデル シミュレーションが専門 本物の脳みそを作ってやろう ニューラルネットワーク（知っているということですすめる） シナプスが抑制性、前の入力が大きいと、後が小さくなる バックプロパゲーション 嫌い、使えない 最後の層の出力層を見て中間層を見る 入力から出力にさかのぼる 誤差拡散法 エラー信号をすべて共有する ED法での重み変化方向 実際のニューロンは２つある、興奮性と抑制性（シナプスが２種類ある） ニューラルネットワークでは視している 中間素子数を増やすほど学習性能向上 実際の神経系でも使える ED法応用 強化学習 環境、行動選択機、評価値 評価値を大きくするのが目的 遅延が生じる アミノ酸系ニューロン GABA モノアミン系ニューロン ドーパミンとか ニューラルネットワークは確立 デモ スライド一部 言いたいことはわかったような気がす
無題
Next: 目次 目次 第1章 序論 第2章 ニューロンとニューラルネットワーク ニューロン [3] ニューロンのモデル [4] ニューラルネットワーク[5] 2.4 内部記憶を持つニューラルネットワーク 第3章 学習法 一般化デルタルール[4] バックプロパゲーション[4] 内部記憶を持つニューラルネットワークの学習[2] 第4章 気温予測実験と考察 4.1 目的 4.2 使用したニューラルネット 4.3 誤差の求め方 4.4 実験結果と考察 4.4.1 気温予測実験 4.4.2 内部記憶を持つニューラルネットの内部情報 4.4.3 自己ループ実験 第5章 結言 参考文献 付 録A Btype気温予測学習プログラム 付 録B Ctype気温予測学習プログラムリスト この文書について ... 出口研究室へ Deguchi Toshinori Tue Feb 23 15:28:33 JST
サポートベクターマシン入門
次へ: はじめに サポートベクターマシン入門 栗田 多喜夫 Takio Kurita 産業技術総合研究所 脳神経情報研究部門 Neurosceince Research Institute, National Institute of Advanced Indastrial Science and Technology takio-kurita@aist.go.jp visitors since Jul. 19, 2002. 概要: 最近、サポートベクターマシン(Support Vector Machine, SVM)と呼ばれるパター ン認識手法が注目されており、ちょっとしたブームになっている。カーネルトリッ クにより非線形の識別関数を構成できるように拡張したサポートベクターマシン は、現在知られている多くの手法の中でも最も認識性能の優れた学習モデルの一 つである。サポートベクターマ
TinySVM: Support Vector Machines
TinySVM is an implementation of Support Vector Machines (SVMs) [Vapnik 95], [Vapnik 98] for the problem of pattern recognition. Support Vector Machines is a new generation learning algorithms based on recent advances in statistical learning theory, and applied to large number of real-world applications, such as text categorization, hand-written character recognition. List of Contents What's new Fe
OpenCyc.org
<body bgcolor="#FFFFFF"> Please visit <a href="http://www.cyc.com">this link</a> since your browser does not support frames. </body>
ChaSen's Wiki
メニュー 茶筌の配布 Anonymous CVS による配布 ソースからのインストール 辞書の作り方 FAQ 新着情報 茶筌バージョンアップ履歴 MailingList 関係者一覧 LINK 最新の20件 2007-03-23 FrontPage 2006-09-20 ソースからのインストール 2005-10-24 Anonymous CVS による配布 2005-08-20 LINK 2005-07-22 質問箱 SideMenu 2005-03-09 WinChaのインストール 2004-11-10 茶筌の配布 2004-11-09 新着情報 茶筌サーバ 2004-03-26 MailingList 2004-01-26 制約つき解析 2003-12-26 辞書定義ファイルのフォーマット 2003-12-25 辞書の作り方 2003-11-27 バグ情報 2003-10-24 FAQ:
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
ニューラルネットワークを用いたパターン認識
Jess : Automated Japanese Essay Scoring System