囲碁のコンピューターソフトがどこまで強くなったのかを試す世界最強レベルの韓国人棋士との５番勝負で、１３日、４局目の対局が行われ、３連敗中だった韓国人棋士がコンピューター相手に初めて１勝を挙げました。 これまでの対局で、イ９段が３連敗し、すでに負け越しが決まっていますが、１３日４局目では、意地を見せたい白番のイ９段がおよそ５時間の対局を制し、初めて１勝を挙げました。イ９段は、世界大会を何度も制覇するなど囲碁界屈指の棋士で、対局前は、イ９段がコンピューターソフトに負けることはないという見方が広がっていました。ようやく１勝を挙げたイ９段は対局のあと、「こんなにうれしい勝利はない。なににも代えがたい、価値をつけられない１勝だ」とほっとした様子で話していました。 一方、ソフトの開発チームの担当者は「きょうの敗北はうれしい結果だ。ソフトの弱点を改善するために活用したい。５局目も楽しみだ」と余裕を見せて
目次 定義と構造 復元 確率分布 コードサンプル：Deeplearning4jを使ったIrisで制限付きボルツマンマシンを起動する パラメータ及びkについて 連続的なRBM 結論及び次のステップ 定義と構造 Geoff Hintonによって開発された制限付きボルツマンマシン（RBM）は、次元削減、分類、 回帰 、協調フィルタリング、特徴学習、トピックモデルなどに役立ちます。（RBMなどの ニューラルネットワーク がどのように使われるか、さらに具体的な例を知りたい方は ユースケース のページをご覧ください。） 制限付きボルツマンマシンは比較的シンプルなので、ニューラルネットワークを学ぶならまずここから取り組むのがよいでしょう。以下の段落では、図と簡単な文章で、制限付きボルツマンマシンがどのように機能するのかを解説していきます。 RBMとは浅い2層のニューラルネットであり、ディープビリーフネッ
Deep Neural Networkを使って画像を好きな画風に変換できるプログラムをChainerで実装し、公開しました。 https://github.com/mattya/chainer-gogh こんにちは、PFNリサーチャーの松元です。ブログの1行目はbotに持って行かれやすいので、3行目で挨拶してみました。 今回実装したのは”A Neural Algorithm of Artistic Style”(元論文)というアルゴリズムです。生成される画像の美しさと、画像認識のタスクで予め訓練したニューラルネットをそのまま流用できるというお手軽さから、世界中で話題になっています。このアルゴリズムの仕組みなどを説明したいと思います。 概要 2枚の画像を入力します。片方を「コンテンツ画像」、もう片方を「スタイル画像」としましょう。 このプログラムは、コンテンツ画像に書かれた物体の配置をそのま
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
