タグ

関連タグで絞り込む (1)

タグの絞り込みを解除

機械学習に関するJohn_Kawanishiのブックマーク (9)

  • 将棋ソフトPonanza開発者「人工知能はいまのところ論理的な思考はほとんどできない。むしろ『直感』を得意としていることはあまり納得されていない」

    山本一成🌤️TuringのCEO @issei_y 人工知能はいまのところ論理的な思考はほとんどできない、むしろ所謂「直感」のほうを得意としているという話、あまり納得されてない。確かにコンピュータは論理的に動いている、でもそれはハード・ソフトウェアエンジニアが一生懸命作った論理であったコンピュータが発案した論理ではない。 2018-05-11 15:59:03 山本一成🌤️チューリングのCEO @issei_y 完全自動運転AIを作るTuringのCEO / 名人を倒した将棋プログラムPonanzaの作者 / 大学の先生とかもやってる / AI, ソフトウェア, 半導体, 自動車, 組織などについて呟きます / CTO→@aoshun7 COO→@DaisukeMAN https://t.co/AmiDDttyO5 山本一成🌤️TuringのCEO @issei_y この話が面白いと

    将棋ソフトPonanza開発者「人工知能はいまのところ論理的な思考はほとんどできない。むしろ『直感』を得意としていることはあまり納得されていない」
    John_Kawanishi
    John_Kawanishi 2018/05/12
    AIだか機会学習やらの｢ソフトウェア｣はOSSで公開されてるけど学習させるための教師データが判断結果を得るための財産みたいなものだからなぁ
    リンク

  • 強化学習 - Wikipedia


    強化学習︵きょうかがくしゅう、英: reinforcement learning、RL︶は、ある環境内における知的エージェントが、現在の状態を観測し、得られる収益︵累積報酬︶を最大化するために、どのような行動をとるべきかを決定する機械学習の一分野である。強化学習は、教師あり学習、教師なし学習と並んで、3つの基本的な機械学習パラダイムの一つである。 強化学習が教師あり学習と異なる点は、ラベル付きの入力／出力の組を提示する必要がなく、最適でない行動を明示的に修正する必要もない。その代わり、未知の領域の探索と、現在の知識の活用の間のバランスを見つけることに重点が置かれる[1]。 この文脈の強化学習アルゴリズムの多くは動的計画法を使用するため、この環境は通常マルコフ決定過程︵MDP︶として定式化される[2]。古典的な動的計画法と強化学習アルゴリズムとの主な違いは、後者はMDPの正確な数学的モデルの
    強化学習 - Wikipedia

  • ディープラーニングでコーデを提案/FashionTechMeetup#4

    Outfit Generation and Style Extraction via Bidirectional LSTM and Autoencoder

    ディープラーニングでコーデを提案/FashionTechMeetup#4

  • 初心者向け「機械学習とディープラーニングの違い」をシンプルに解説


    By darkday AI(人工知能)が大きな話題となっているコンピューターサイエンスの世界で、その技術を支えているのが﹁ディープラーニング﹂です。一方、コンピューターを使った﹁機械学習﹂という言葉を耳にすることも多いものですが、実はその違いがよくわからない人も多いはず。そんな両者の違いを、数学的計算ソフトウェア﹁MATLAB﹂の開発元であるMathWorksが簡単に解説しています。 Introduction to Deep Learning: Machine Learning vs Deep Learning - YouTube 機械学習もディープラーニングも、学習モデルを提供してデータを分類することに使われる技術です。その働きを解説するのによく用いられるのが、犬と猫の画像を分類するという例。この画像の場合、ほぼ全ての人が左が犬、右が猫と答えるはず。 しかし、別の画像を持ってきた時、それ
    初心者向け「機械学習とディープラーニングの違い」をシンプルに解説

  • SSDで道路の損傷を検出した - Qiita


    はじめに SSD(Single Shot Multibox Detector)で道路の損傷を検出しました． 作業環境等に関しては株式会社パソナテックさんにご協力いただきました． なお成果物は学習済みモデルとともにGitHubに公開されています． 不具合もまだ複数あると思いますので，気軽にissueを立てていただければと思います． やったことを最初から文章で説明するより，まずは成果物を見ていただいたほうが早いと思うので，デモをお見せします． このように，横断歩道やセンターラインのかすれ，陥没，ひび割れなどを検出することができます． 道路の損傷を検出する方法はいろいろありますが，画像認識を用いるならば，車で移動しながらスマホや車載カメラでリアルタイムに検出できると便利です． このような認識手法を採用するのであれば，デバイスの制約により，計算量が小さいモデルが求められます． 道路の損傷を物体認識
    SSDで道路の損傷を検出した - Qiita

  • 過渡期にあるTensorFlowとKerasの関係を調べる - Qiita

    （ 変数名コントロールの違い について追記しました．） はじめに TensorFlow Dev Summitなどで情報がリリースされていますが，TensorFlowとKerasの統合が進められています．Keras Blog - Introducing Keras 2 から引用します． Keras is best understood as an API specification, not as a specific codebase. In fact, going fowards there will be two separate implementations of the Keras spec: the internal TensorFlow one, available as tf.keras, written in pure TensorFlow and deeply comp

    過渡期にあるTensorFlowとKerasの関係を調べる - Qiita

  • Keras / Tensorflowで始めるディープラーニング入門 - Qiita

    2つのモデル記述方法 kerasでは、ネットワークの層（レイヤー）を記述する方法が2つあります。 Sequentialモデル ネットワークを1列に積み重ねていく、シンプルな方法です。 サンプルコード： from keras.models import Sequential from keras.layers import Dense, Activation # モデルの作成 model = Sequential() # モデルにレイヤーを積み上げていく model.add(Dense(units=64, input_dim=100)) model.add(Activation('relu')) model.add(Dense(units=10)) model.add(Activation('softmax')) # 訓練プロセスの定義 model.compile(loss='categor

    Keras / Tensorflowで始めるディープラーニング入門 - Qiita

  • コピペから脱却して自由に Deep Learning するための TensorFlow 再入門 - Qiita


    はじめに TensorFlow はなかなかとっつきにくい部分があるかと思います。書き方が独特なので、慣れるまでに時間がかかるかと思います。公式の MNIST は一通りやったけど、自分で考えたディープニューラルネットワーク (DNN) をどう書いたらいいかわからない……なんてこともあるのではないでしょうか。 この記事では、シンプルな問題を題材にして、 TensorFlow をコピペに頼らず、自分の書きたい DNN を 低レベル API を使ってどのように書くかを最小構成で説明していきます︵今さら感はありますが。。︶。ベースは公式ドキュメントの Low Level APIsのあたり です。 内容としては‥ TensorFlow の最小構成要素 TensorFlow で線形関数のフィッティング TensorFlow で DNN を実装 のようになっています。また、以下のような方を対象としており
    コピペから脱却して自由に Deep Learning するための TensorFlow 再入門 - Qiita

  • TensorFlow - Wikipedia


    TensorFlow︵テンソルフロー、テンサーフロー︶とは、Googleが開発しオープンソースで公開している、機械学習に用いるためのソフトウェアライブラリである。 概要[編集] 機械学習や数値解析、ニューラルネットワーク︵ディープラーニング︶に対応しており、GoogleとDeepMindの各種サービスなどでも広く活用されている。 2015年11月9日にベータ版がApache 2.0 open source licenseの下で公開され[2]、2017年2月15日には正式版となるTensorFlow 1.0がリリースされた[3][4]。 TensorFlowは元々、Google内部での使用のためにGoogleBrain︵英語版︶チームによって開発された[1][2]。開発された目的は、人間が用いる学習や論理的思考と似たように、パターンや相関を検出し解釈するニューラルネットワークを構築、訓練す
    TensorFlow - Wikipedia
    John_Kawanishi
    John_Kawanishi 2018/04/08
    ｢GoogleはTensorFlowのコードをオープンソースにした事でAIの真の価値はAIの「エンジン」ではなくAIを賢くするのに必要な「データ」である事を示したと語った。その為Googleは「データ」の部分は公開しないだろうと述べた｣
    リンク
  • 1

お知らせ

もっと読む

公式Twitter

  • @HatenaBookmark

    リリース、障害情報などのサービスのお知らせ

  • @hatebu

    最新の人気エントリーの配信

はてなブックマーク

公式Twitter

はてなのサービス

  • App Storeからダウンロード
  • Google Playで手に入れよう
Copyright © 2005-2024 Hatena. All Rights Reserved.