Recurrent Neural Networksとは何か RNNの応用事例 機械翻訳 音声認識 画像の概要生成 説明文からの画像生成 知っておくと便利なRNNの種類と進化 Simple RNN LSTM GRU Bi-directional RNN Attention RNN Quasi-Recurrent Neural Network TensorFlowによるRNNの実装 まとめ 参考文献 人間は、目の前で起きた出来事から、次に起こりそうな出来事を予測しながら文脈を読んで判断を下すことができます。例えば、車を運転している際に歩行者が飛び出しそうだと思えば、十分な間隔を置いて走行することが出来るでしょう。 また、現実世界は時間の制約を受ける事象はたくさんあります。アニメーションなどのストーリーでは、前回の文脈を前提として次の展開が進んでいきます。 Recurrent Neural Ne
深さ優先探索と幅優先探索 深さ優先探索 幅優先探索 ビームサーチ 機械学習への応用 Google Alloの返答 学習時にビームサーチの幅を持たせて学習 3D形状の学習への応用 まとめ 参考文献 ビームサーチ（Beam Search）は、探索アルゴリズムの一種でメモリをそれほど必要としない最良優先探索です。 機械学習の分野でも、翻訳やチャットボットの返答などに応用されています。本記事では、ビームサーチのアルゴリズムを理解してどのように応用されているのかを解説します。 機械学習を活用したシステムを構築する際にも、探索空間が広い場合などには応用可能なので、使いこなせるようにしておくと役に立ちます。 深さ優先探索と幅優先探索 いきなりビームサーチの解説に入る前に、理解しやすいようにグラフ探索アルゴリズムを紹介します。 深さ優先探索 深さ優先探索は、その名の通り可能な限り突き進んで、行けなくなった
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 仕組みを学んでいると、すでに世の中に高速なConvolution処理が出回っていても、自前でもConvolution 処理を実装してみたくなりますよね（なりました）。 面白そうな論文「arXiv:1704.04428」の手法を真似て実装しました。 結果は... うん、まぁ... cudnn スゲぇなぁ を体感する事となりました......。 私の実装では、期待してたほどの処理速度には至りませんでしたが、資料をここにてまとめます。 なにかの参考になればと思い公開いたします。 #背景 深層学習の理解を深めようと、自前で実装を行ってます。 C
＜イベントについて＞ 【ミートアップ概要】 Sansan初の試みとして、修士・博士の学生を対象とした、 データ解析コンペティション「Kaggle」の勉強会を東京・京都市(web中継会場)で同時開催します！ Kaggle：http://www.kaggle.com/ 京都会場は、当社研究員が中継内容を解説する会の開催となります。 ※解説メンバーは当社京都ラボのKaggle Grandmasterです。 ※東京会場と同様に、お寿司とドリンクも準備予定 当社研究員の解説を聞くことが出来るだけでなく、 データ解析を専攻する関西の仲間（横の繋がり）と接点が持てる機会かと思います。 【京都会場アクセス】Sansan 京都ラボ https://www.fvcmesh.com/kyoto/ 住所：京都府京都市下京区烏丸通仏光寺下ル大政所町680-1 第八長谷ビル3階 最寄駅：京都市営地下鉄烏丸線「四条駅」
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
