Bluemo's Brain

Search

Search IconIcon to open search

ディープラーニング

Last updated Unknown Edit Source

    Backlinks

    • グラフ構造と機械学習

      グラフ構造と機械学習

      の課題(?): ベクトル以外のデータ構造を扱うは自明ではない (非主流という意味?) ex: グラフ グラフ扱えれば、友達関係とか化合物とか(あくまでも一例)いろいろな物に使えるように グラフ グラフ構造からのにを用いる グラフ 等と同じ考え方、周辺頂点の情報を取り込んで圧縮していく...

      1/3/2023

    • ディープラーニング

      ディープラーニング

      モデルのへの拡張 変換を何度も繰り返して、徐々に複雑な関数を表現していく = 深層学習を、の手段の一つとして捉える 以前学んだ時は、なんでこれであんな複雑なタスクが出来るんだろうと気味が悪かった ただ、で再学習したら、まあできるよなという気持ちになってきた 「モデルに沢山パラメータがあれば複雑なものが表現できる」という感覚がついたのが、自分の中での変化な気がする 超大量のパラメータを持つモデル（）があればなんでも出来るよな、という気持ち の、を分けて考える話、他人に説明する時にも参考になる LinearRegressionと深層学習の対応関係とかも...

      1/3/2023

    • ロボットと人工知能

      ロボットと人工知能

      講義 : ,, etc （伝統的）ロボットと（伝統的）人工知能 は現実の話（物理モデル, 線形近似）（電気と機械） は形式世界の話（グラフィカルモデル）（情報と通信） 従来は結構離れた分野だった これが、だんだん融合してきている 例: 深層学習()のロボットへの応用 画像(RGB-D)とそのグリップ位置の対応のがある RGB-Dは、rgbに加えてDepthもある画像 それを学習すれば、ロボットが見ているもののグリップ位置がわかる （余談）実験: rgb-dのどの情報が重要? rgbdのそれぞれの情報を抜いたら、rgbの方がdより重要だった（rgbを抜く=白黒にする） ただ、そのデーターセットを使ってみても、実際のロボットで物体を掴むというのはできなかった（！） ただの視界とターゲット位置だけではだめで、ロボットのが重要 実際のが環境と関わり合うという部分を捉えなければ、物体を掴めるようにならない #ロボット...

      1/3/2023

    • 人工知能の歴史

      人工知能の歴史

      パターン認識の講義 の歴史 最初期は[チェス]の研究がメインだった とかは人間が簡単にできるのだから簡単なタスクだろうと思われていた 1980年代、「ルールさえ設定できればどんなタスクでも解決できるのでは?!」と盛り上がる 顔を、人間が定めたルールで検出したり ただ、そのルール定めるのが大変やんとなった 人間のの再現を目指していたけど、そもそも人間がどうやって認識しているのかも不明 その後、冬の時代をえて、データーを大量に食わせるアプローチが盛んに いろいろなが作られたり 1段階上()な考え方をしたと言える TOKっぽい、何をではなくどのように学ぶかを考える いや、どちらかというと、メタとか以前に人工知能が「学んでいる」と捉えたところが本質か #サイバネティクス だんだんうまく行かないなーとなっていたところに登場 (技術自体はすでに合った、日本発?）...

      1/3/2023

    • 非専門家に話したら面白そうな話

      非専門家に話したら面白そうな話

      話のストックとしてメモっておく 生命とは?みたいな話に って結局何なの?という話 ただの、に線を引く機械 花分別機 それを沢山集めるとができる 追記、これはKinetoのテスト授業でやった...

      1/3/2023

    • A Review on Deep Learning Techniques for Video Prediction

      A Review on Deep Learning Techniques for Video Prediction

      みがあってありがてーと感じる(?) での先のフレームをする系研究まとめ https://arxiv.org/pdf/2004.05214.pdf...

      1/3/2023

    • Salient Object Detection in the Deep Learning Era： An In-depth Survey

      Salient Object Detection in the Deep Learning Era： An In-depth Survey

      ...deep SOD models and provides in-depth analyses. §6 provides further discussions and presents open issues and future research directions of the field. Finally, §7 concludes the paper のアーキテクチャによる分類 ピクセルベースのやつと、的なやつがある 教師のレベルによる分類 人間の視線とかのアノテーションベース weakなやつ（みたいなやつの途中段階で物体のところがハイライトされる） #弱教師あり学習 が近そう あと、Single Task Learning vs Multi Task......

      1/3/2023

    Interactive Graph

    ディープラーニングクラス分類非線形/非線形変換/東大1S情報αニューラルネットワーク/データとモデルとパラメータ学習KJ法を機械学習の文脈で捉えるクラスタリングクロスエントロピーパターン認識教師あり学習識別関数微分方程式作って動かすALife/線形代数/Taylor展開A Review on Deep Learning Techniques for Video PredictionSalient Object Detection in the Deep Learning Era： An In-depth Surveyグラフ構造と機械学習ロボットと人工知能人工知能の歴史非専門家に話したら面白そうな話CNNGoogle Colaboratoryアンビグラム自動生成ディープラーニングのチューニングTips履修の手引き情報α課題2： CIFAR10でCNNを訓練東大半年を有効活用する方法過学習/ReLU/Tanh/リッジ回帰正則化/アルゴリズム/adam/lbfgs予測/シグモイド関数パーセプトロンAutoencoderFPGAGANHyperNeRF解説原稿HyperNeRF： A Higher-Dimensional Representation for Topologically Varying Neural Radiance FieldsNeRFグラフの性質検査予測学習予測符号化理論分析的手法と構成論的手法言語モデル認知ロボティクス