Enviar búsqueda
Cargar
Gakusei lt
•
0 recomendaciones
•
124 vistas
T
TomoyukiHirose2
Seguir
8/11/2018の懇親会LTのスライドです
Leer menos
Leer más
Tecnología
Vista de diapositivas
Denunciar
Compartir
Vista de diapositivas
Denunciar
Compartir
1 de 18
Descargar ahora
Descargar para leer sin conexión
Recomendados
TensorFlowをざっくりLTしてみた
TensorFlowをざっくりLTしてみた
Mitsuki Ogasahara
4泊5日でキャンプに行った話
4泊5日でキャンプに行った話
Shintaro Mizuno
最先端NLP勉強会“Learning Language Games through Interaction”Sida I. Wang, Percy L...
最先端NLP勉強会“Learning Language Games through Interaction”Sida I. Wang, Percy L...
Yuya Unno
5分ですこし分かった気になるDeepLearningの話
5分ですこし分かった気になるDeepLearningの話
Takashi Minowa
Py conkyushu2018
Py conkyushu2018
ssuseraac758
連続音声からの語彙学習と自動巡回ロボットへの応用
連続音声からの語彙学習と自動巡回ロボットへの応用
Ryo Taguchi
人狼知能合宿 自然言語部門 2016/10/10
人狼知能合宿 自然言語部門 2016/10/10
Hiroaki Sugiyama
子供の言語獲得と機械の言語獲得
子供の言語獲得と機械の言語獲得
Yuya Unno
Recomendados
TensorFlowをざっくりLTしてみた
TensorFlowをざっくりLTしてみた
Mitsuki Ogasahara
4泊5日でキャンプに行った話
4泊5日でキャンプに行った話
Shintaro Mizuno
最先端NLP勉強会“Learning Language Games through Interaction”Sida I. Wang, Percy L...
最先端NLP勉強会“Learning Language Games through Interaction”Sida I. Wang, Percy L...
Yuya Unno
5分ですこし分かった気になるDeepLearningの話
5分ですこし分かった気になるDeepLearningの話
Takashi Minowa
Py conkyushu2018
Py conkyushu2018
ssuseraac758
連続音声からの語彙学習と自動巡回ロボットへの応用
連続音声からの語彙学習と自動巡回ロボットへの応用
Ryo Taguchi
人狼知能合宿 自然言語部門 2016/10/10
人狼知能合宿 自然言語部門 2016/10/10
Hiroaki Sugiyama
子供の言語獲得と機械の言語獲得
子供の言語獲得と機械の言語獲得
Yuya Unno
内省するTensorFlow
内省するTensorFlow
Yoshiyuki Kakihara
TensorFlowで逆強化学習
TensorFlowで逆強化学習
Mitsuhisa Ohta
人間とのインタラクションにより言葉と行動を学習するロボット, 岩橋直人
人間とのインタラクションにより言葉と行動を学習するロボット, 岩橋直人
KIT Cognitive Interaction Design
IBM Watson Visual Recognition を紹介するよ
IBM Watson Visual Recognition を紹介するよ
Tohru Kobayashi
人間とのインタラクションにより言葉と行動を学習するロボット(岩橋 直人)
人間とのインタラクションにより言葉と行動を学習するロボット(岩橋 直人)
KIT Cognitive Interaction Design
Acoustic Modeling using Deep Belief Networks
Acoustic Modeling using Deep Belief Networks
Junya Saito
DeepLearning 中心に見る最近の論文事情
DeepLearning 中心に見る最近の論文事情
Yuta Yamashita
Pythonでアルゴレイヴの世界に足を踏み入れる
Pythonでアルゴレイヴの世界に足を踏み入れる
ksnt
次元の呪い
次元の呪い
Kosuke Tsujino
AI GIRLS COLLECTION_0929
AI GIRLS COLLECTION_0929
EikoHoshino
ディープラーニングで株価予測をやってみた
ディープラーニングで株価予測をやってみた
卓也 安東
Chainerのテスト環境とDockerでのCUDAの利用
Chainerのテスト環境とDockerでのCUDAの利用
Yuya Unno
Lighting talk chainer hands on
Lighting talk chainer hands on
Ogushi Masaya
集合知プログラミング勉強会キックオフMTG LT用資料
集合知プログラミング勉強会キックオフMTG LT用資料
tetsuro ito
Os 12 記号創発ロボティクス / OS趣旨説明@JSAI2015
Os 12 記号創発ロボティクス / OS趣旨説明@JSAI2015
Tadahiro Taniguchi
1.単純パーセプトロンと学習アルゴリズム
1.単純パーセプトロンと学習アルゴリズム
浩気 西山
AI入門「第1回:AIの歴史とTensorFlow」
AI入門「第1回:AIの歴史とTensorFlow」
fukuoka.ex
第1回 ネットワーク図について語る会 2015-08-27
第1回 ネットワーク図について語る会 2015-08-27
Yasuo Igano
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
FumieNakayama
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
Hiroshi Tomioka
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
akihisamiyanaga1
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NTT DATA Technology & Innovation
Más contenido relacionado
La actualidad más candente
内省するTensorFlow
内省するTensorFlow
Yoshiyuki Kakihara
TensorFlowで逆強化学習
TensorFlowで逆強化学習
Mitsuhisa Ohta
人間とのインタラクションにより言葉と行動を学習するロボット, 岩橋直人
人間とのインタラクションにより言葉と行動を学習するロボット, 岩橋直人
KIT Cognitive Interaction Design
IBM Watson Visual Recognition を紹介するよ
IBM Watson Visual Recognition を紹介するよ
Tohru Kobayashi
人間とのインタラクションにより言葉と行動を学習するロボット(岩橋 直人)
人間とのインタラクションにより言葉と行動を学習するロボット(岩橋 直人)
KIT Cognitive Interaction Design
Acoustic Modeling using Deep Belief Networks
Acoustic Modeling using Deep Belief Networks
Junya Saito
DeepLearning 中心に見る最近の論文事情
DeepLearning 中心に見る最近の論文事情
Yuta Yamashita
Pythonでアルゴレイヴの世界に足を踏み入れる
Pythonでアルゴレイヴの世界に足を踏み入れる
ksnt
次元の呪い
次元の呪い
Kosuke Tsujino
AI GIRLS COLLECTION_0929
AI GIRLS COLLECTION_0929
EikoHoshino
ディープラーニングで株価予測をやってみた
ディープラーニングで株価予測をやってみた
卓也 安東
Chainerのテスト環境とDockerでのCUDAの利用
Chainerのテスト環境とDockerでのCUDAの利用
Yuya Unno
Lighting talk chainer hands on
Lighting talk chainer hands on
Ogushi Masaya
集合知プログラミング勉強会キックオフMTG LT用資料
集合知プログラミング勉強会キックオフMTG LT用資料
tetsuro ito
Os 12 記号創発ロボティクス / OS趣旨説明@JSAI2015
Os 12 記号創発ロボティクス / OS趣旨説明@JSAI2015
Tadahiro Taniguchi
1.単純パーセプトロンと学習アルゴリズム
1.単純パーセプトロンと学習アルゴリズム
浩気 西山
AI入門「第1回:AIの歴史とTensorFlow」
AI入門「第1回:AIの歴史とTensorFlow」
fukuoka.ex
第1回 ネットワーク図について語る会 2015-08-27
第1回 ネットワーク図について語る会 2015-08-27
Yasuo Igano
La actualidad más candente
(18)
内省するTensorFlow
内省するTensorFlow
TensorFlowで逆強化学習
TensorFlowで逆強化学習
人間とのインタラクションにより言葉と行動を学習するロボット, 岩橋直人
人間とのインタラクションにより言葉と行動を学習するロボット, 岩橋直人
IBM Watson Visual Recognition を紹介するよ
IBM Watson Visual Recognition を紹介するよ
人間とのインタラクションにより言葉と行動を学習するロボット(岩橋 直人)
人間とのインタラクションにより言葉と行動を学習するロボット(岩橋 直人)
Acoustic Modeling using Deep Belief Networks
Acoustic Modeling using Deep Belief Networks
DeepLearning 中心に見る最近の論文事情
DeepLearning 中心に見る最近の論文事情
Pythonでアルゴレイヴの世界に足を踏み入れる
Pythonでアルゴレイヴの世界に足を踏み入れる
次元の呪い
次元の呪い
AI GIRLS COLLECTION_0929
AI GIRLS COLLECTION_0929
ディープラーニングで株価予測をやってみた
ディープラーニングで株価予測をやってみた
Chainerのテスト環境とDockerでのCUDAの利用
Chainerのテスト環境とDockerでのCUDAの利用
Lighting talk chainer hands on
Lighting talk chainer hands on
集合知プログラミング勉強会キックオフMTG LT用資料
集合知プログラミング勉強会キックオフMTG LT用資料
Os 12 記号創発ロボティクス / OS趣旨説明@JSAI2015
Os 12 記号創発ロボティクス / OS趣旨説明@JSAI2015
1.単純パーセプトロンと学習アルゴリズム
1.単純パーセプトロンと学習アルゴリズム
AI入門「第1回:AIの歴史とTensorFlow」
AI入門「第1回:AIの歴史とTensorFlow」
第1回 ネットワーク図について語る会 2015-08-27
第1回 ネットワーク図について語る会 2015-08-27
Último
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
FumieNakayama
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
Hiroshi Tomioka
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
akihisamiyanaga1
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NTT DATA Technology & Innovation
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
FumieNakayama
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
博三 太田
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
Yuki Kikuchi
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
UEHARA, Tetsutaro
Último
(8)
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
Gakusei lt
1.
8.11 # 学生
LT 休学して暇なので Deep Lear ning やってみた!!
2.
自己紹介 ● 本名:広瀬智之 ● 筑波大学情報科学類一年生(二十歳) ● 誕生日:8月11日!!!!!!! ● プログラミング始めて三ヶ月 ● 病気で6月から休学(今は治ったよ) ● 主に Java,JavaScript,Python なんかを使う Twitter
: @Totsugeki8
3.
そもそも Deep Learning
とは ● ディープラーニングまたは深層学習(しんそうがくしゅう、英 : deep learning)とは、 (狭義には 4層以上 [1][注釈 1]の)多層のニューラルネットワーク(ディープニューラル ネットワーク、英 : deep neural network)による機械学習手法である [2]。深層学習登場 以前、4層以上の深層ニューラルネットは、局所最適解や勾配消失などの技術的な問題に よって十分学習させられず、性能も芳しくなかった。しかし、近年、ヒントンらによる多 層ニューラルネットワークの学習の研究や、学習に必要な計算機の能力向上、およ び、 Webの発達による訓練データ調達の容易化によって、十分学習させられるようになっ た。その結果、音声・画像・自然言語を対象とする問題に対し、他の手法を圧倒する高い 性能を示し [3]、 2010年代に普及した [4]。しかしながら、多層ニューラルネットが高い 性能を示す要因の理論的な解明は進んでいない [3]。(出典: Wikipedia)
4.
そもそも Deep Learning
とは ● ディープラーニングまたは深層学習(しんそうがくしゅう、英 : deep learning)とは、 (狭義には 4層以上 [1][注釈 1]の)多層のニューラルネットワーク(ディープニューラル ネットワーク、英 : deep neural network)による機械学習手法である [2]。深層学習登場 以前、4層以上の深層ニューラルネットは、局所最適解や勾配消失などの技術的な問題に よって十分学習させられず、性能も芳しくなかった。しかし、近年、ヒントンらによる多 層ニューラルネットワークの学習の研究や、学習に必要な計算機の能力向上、およ び、 Webの発達による訓練データ調達の容易化によって、十分学習させられるようになっ た。その結果、音声・画像・自然言語を対象とする問題に対し、他の手法を圧倒する高い 性能を示し [3]、 2010年代に普及した [4]。しかしながら、多層ニューラルネットが高い 性能を示す要因の理論的な解明は進んでいない [3]。(出典: Wikipedia) うるせ〜〜〜〜〜〜〜〜〜 〜〜〜!!! 知らね〜〜〜〜〜〜〜〜〜 〜〜〜〜!!!!!!!
5.
とりあえず組んでみる!! ● 題材:からあげとトイプードルを分類する ● Keras で作成 ● 層はプーリング層も入れて 12
層 ● パラメータ数は 345 万 3121 個 ● データセットはからあげ画像トイプードル画像それぞれ 2000 枚 ● Keras の機能でデータを水増しする ● 学習に二時間半かかりました
6.
訓練結果
7.
訓練結果
8.
実験結果
9.
実験結果
10.
キターーーッ!!!!
11.
実験結果
12.
実験結果
13.
ウオオオオオオオオオ!!!!
14.
これはいけるぞ!!! からあげに見える プードル
15.
だめでした
16.
敗因として考えられるもの ● トイプードルの学習画像が一匹のみで写っているのが殆どで、 からあげっぽいトイプードルの画像が足りなかった? ● 学習層が薄い? ● 重みパラメータの初期値をしっかり設定しなかった?
17.
参考文献 ● ゼロからつくる DeepLearning 斎藤
康毅 ● Python と Keras によるディープラーニング Francois Chollet
18.
● ご清聴ありがとうございました!
Descargar ahora