Submit Search
Upload
LDAを用いた教師なし単語分類
•
21 likes
•
22,517 views
Kouhei Nakaji
Follow
LDAを用いて、ニュース記事に含まれる単語を分類した。
Read less
Read more
Technology
Slideshow view
Report
Share
Slideshow view
Report
Share
1 of 12
Download now
Download to read offline
Recommended
1/24 パンハウスゼミ
Sliced Wasserstein距離と生成モデル
Sliced Wasserstein距離と生成モデル
ohken
2018/02/14 Deep Learning Lab 異常検知ナイト 「異常検知入門」発表資料です https://dllab.connpass.com/event/77248/
Deep Learning Lab 異常検知入門
Deep Learning Lab 異常検知入門
Shohei Hido
表形式データのために提案されたDNNをベースとしたモデルとXGBoostを比較した論文を解説。 DNNとXGBoostの両方を用いたアンサンブル学習が良い性能が出たという実験結果などを紹介します。 Shwartz-Ziv, Ravid, and Amitai Armon. "Tabular Data: Deep Learning is Not All You Need." arXiv preprint arXiv:2106.03253 (2021).
表形式データで高性能な予測モデルを構築する「DNNとXGBoostのアンサンブル学習」
表形式データで高性能な予測モデルを構築する「DNNとXGBoostのアンサンブル学習」
西岡 賢一郎
IBIS 2021 https://ibisml.org/ibis2021/ における最適輸送についてのチュートリアルスライドです。 『最適輸送の理論とアルゴリズム』好評発売中! https://www.amazon.co.jp/dp/4065305144 Speakerdeck にもアップロードしました: https://speakerdeck.com/joisino/zui-shi-shu-song-ru-men
最適輸送入門
最適輸送入門
joisino
日本計算機統計学会 スタディーグループ 「IR(Institutional Research)のための統計的モデル構築に関する研究」ワークショップ 開催日時:2019年3月23日(土) 13:30~17:00 会場: 統計数理研究所 セミナー室1
トピックモデルの基礎と応用
トピックモデルの基礎と応用
Tomonari Masada
tokyo nlp 6
Crfと素性テンプレート
Crfと素性テンプレート
Kei Uchiumi
勤め先の社内勉強会での発表資料です。日本語版 Wikipedia の抄録を対象として gensim の LdaModel を利用する例を説明した後、LDA の生成モデルについて説明します。そのうえで、gensim の LdaModel に指定できるパラメータや提供されているメソッドの意味を LDA の生成モデルに照らして確認します。
潜在ディリクレ配分法
潜在ディリクレ配分法
y-uti
2019/09/13 Deep Learning JP: http://deeplearning.jp/seminar-2/
[DL輪読会]相互情報量最大化による表現学習
[DL輪読会]相互情報量最大化による表現学習
Deep Learning JP
Recommended
1/24 パンハウスゼミ
Sliced Wasserstein距離と生成モデル
Sliced Wasserstein距離と生成モデル
ohken
2018/02/14 Deep Learning Lab 異常検知ナイト 「異常検知入門」発表資料です https://dllab.connpass.com/event/77248/
Deep Learning Lab 異常検知入門
Deep Learning Lab 異常検知入門
Shohei Hido
表形式データのために提案されたDNNをベースとしたモデルとXGBoostを比較した論文を解説。 DNNとXGBoostの両方を用いたアンサンブル学習が良い性能が出たという実験結果などを紹介します。 Shwartz-Ziv, Ravid, and Amitai Armon. "Tabular Data: Deep Learning is Not All You Need." arXiv preprint arXiv:2106.03253 (2021).
表形式データで高性能な予測モデルを構築する「DNNとXGBoostのアンサンブル学習」
表形式データで高性能な予測モデルを構築する「DNNとXGBoostのアンサンブル学習」
西岡 賢一郎
IBIS 2021 https://ibisml.org/ibis2021/ における最適輸送についてのチュートリアルスライドです。 『最適輸送の理論とアルゴリズム』好評発売中! https://www.amazon.co.jp/dp/4065305144 Speakerdeck にもアップロードしました: https://speakerdeck.com/joisino/zui-shi-shu-song-ru-men
最適輸送入門
最適輸送入門
joisino
日本計算機統計学会 スタディーグループ 「IR(Institutional Research)のための統計的モデル構築に関する研究」ワークショップ 開催日時:2019年3月23日(土) 13:30~17:00 会場: 統計数理研究所 セミナー室1
トピックモデルの基礎と応用
トピックモデルの基礎と応用
Tomonari Masada
tokyo nlp 6
Crfと素性テンプレート
Crfと素性テンプレート
Kei Uchiumi
勤め先の社内勉強会での発表資料です。日本語版 Wikipedia の抄録を対象として gensim の LdaModel を利用する例を説明した後、LDA の生成モデルについて説明します。そのうえで、gensim の LdaModel に指定できるパラメータや提供されているメソッドの意味を LDA の生成モデルに照らして確認します。
潜在ディリクレ配分法
潜在ディリクレ配分法
y-uti
2019/09/13 Deep Learning JP: http://deeplearning.jp/seminar-2/
[DL輪読会]相互情報量最大化による表現学習
[DL輪読会]相互情報量最大化による表現学習
Deep Learning JP
2022/12/9 Deep Learning JP http://deeplearning.jp/seminar-2/
【DL輪読会】Emergence of maps in the memories of blind navigation agents
【DL輪読会】Emergence of maps in the memories of blind navigation agents
Deep Learning JP
2013/12/14 Jubatus Casual Talks #2 異常検知入門の資料です。
Jubatus Casual Talks #2 異常検知入門
Jubatus Casual Talks #2 異常検知入門
Shohei Hido
不均衡データのクラス分類
不均衡データのクラス分類
Shintaro Fukushima
機械学習はそもそも汎用的な枠組みであり基本的には対象分野に依らず利活用できる。従って、分野を限定して物質科学に機械学習を活用するなどと言う場合、その本質的難所の大部分は、有効な変量の設計・変換・選択・交互作用・線形性などに関する、いわゆるfeature engineeringの問題に帰する。特に、科学研究では端的な説明因子や共通パターンの探究こそが目的であることが多く、その場しのぎではない方法論が期待されている。本発表では、医薬品、機能制御剤、有機EL材料、食品、化粧品、と波及範囲が広い有機低分子について、その物性の予測と生物活性の予測の違いを例に、関わってきた問題・方法・課題について紹介する。 http://ibisml.org/ibis2016/session3/
科学と機械学習のあいだ:変量の設計・変換・選択・交互作用・線形性
科学と機械学習のあいだ:変量の設計・変換・選択・交互作用・線形性
Ichigaku Takigawa
MIRU2018 のチュートリアルで発表された資料です。 https://sites.google.com/view/miru2018sapporo/%E3%83%97%E3%83%AD%E3%82%B0%E3%83%A9%E3%83%A0/%E3%83%81%E3%83%A5%E3%83%BC%E3%83%88%E3%83%AA%E3%82%A2%E3%83%AB
機械学習モデルのハイパパラメータ最適化
機械学習モデルのハイパパラメータ最適化
gree_tech
2022/03/18 Deep Learning JP: http://deeplearning.jp/seminar-2/
[DL輪読会]Revisiting Deep Learning Models for Tabular Data (NeurIPS 2021) 表形式デー...
[DL輪読会]Revisiting Deep Learning Models for Tabular Data (NeurIPS 2021) 表形式デー...
Deep Learning JP
統計学の理論の根幹をなしている「漸近理論」はR.A. Fisherによって打ち立てられた壮大な理論体系です。普通、大学の高学年や大学院で教える内容です。それをここでは大学1年生にも分かるように簡潔に要点のみをスライド1ページで説明することを試みました。
漸近理論をスライド1枚で(フォローアッププログラムクラス講義07132016)
漸近理論をスライド1枚で(フォローアッププログラムクラス講義07132016)
Hideo Hirose
Gradient Boostingは近年Kaggleなどのコンペティションで注目を集めている分類や回帰問題に対するアルゴリズムの一つである。XGBoost, LightGBM, CatBoostなどが有名ではあるが、それらを土台にして近年はDeepGBMやNGBoostといった新規アルゴリズムの登場、汎化理論解析の進展、モデル解釈性の付与方法の多様化など、理論から応用まで多岐にわたる研究が行われている。本チュートリアルでは、Gradient Boostingに関する近年の研究動向やテクニックを、それらの社会実装までを見据えながら紹介していく。
勾配ブースティングの基礎と最新の動向 (MIRU2020 Tutorial)
勾配ブースティングの基礎と最新の動向 (MIRU2020 Tutorial)
RyuichiKanoh
『トピックモデルによる統計的潜在意味解析』読書会ファイナル ~佐藤一誠先生スペシャル~ LT 資料 http://topicmodel.connpass.com/event/27999/
トピックモデルの評価指標 Perplexity とは何なのか?
トピックモデルの評価指標 Perplexity とは何なのか?
hoxo_m
2022/06/03 Deep Learning JP: http://deeplearning.jp/seminar-2/
【DL輪読会】FactorVAE: A Probabilistic Dynamic Factor Model Based on Variational A...
【DL輪読会】FactorVAE: A Probabilistic Dynamic Factor Model Based on Variational A...
Deep Learning JP
距離とクラスタリング
距離とクラスタリング
距離とクラスタリング
大貴 末廣
全脳アーキテクチャ若手の会第13回勉強会の資料
言語と画像の表現学習
言語と画像の表現学習
Yuki Noguchi
2019/03/08 Deep Learning JP: http://deeplearning.jp/seminar-2/
[DL輪読会]Flow-based Deep Generative Models
[DL輪読会]Flow-based Deep Generative Models
Deep Learning JP
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法 6月10日 (木) 11:00 - 12:30 メイン会場(vimeo + sli.do) 登壇者:松井 孝太 氏(名古屋大学) 概要:転移学習とは、解きたいタスクに対して、それと異なるが似ている他のタスクからの知識(データ、特徴、モデルなど)を利用するための方法を与える機械学習のフレームワークです。深層モデルの学習方法として広く普及している事前学習モデルの利用は、この広義の転移学習の一つの実現形態とみなせます。本発表では、まず何をいつ転移するのか (what/when to transfer) といった転移学習の基本概念と定式化を説明し、具体的な転移学習の主要なアプローチとしてドメイン適応、メタ学習について解説します。
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法
SSII
関数データ解析とはどういうものか、どのような場面で用いられるかについてまとめてみました。
関数データ解析の概要とその方法
関数データ解析の概要とその方法
Hidetoshi Matsui
確率分布間の距離とその間の関係をまとめたサーベイ論文 “On choosing and bounding probability metrics” の紹介と, なぜ Wasserstein distance を使うのかの理由付け (の一部).
A summary on “On choosing and bounding probability metrics”
A summary on “On choosing and bounding probability metrics”
Kota Matsui
2022/02/04 Deep Learning JP: http://deeplearning.jp/seminar-2/
[DL輪読会]data2vec: A General Framework for Self-supervised Learning in Speech,...
[DL輪読会]data2vec: A General Framework for Self-supervised Learning in Speech,...
Deep Learning JP
2017-08-26 @ Machine Learning 15 mins
ベイジアンディープニューラルネット
ベイジアンディープニューラルネット
Yuta Kashino
2022/06/10 Deep Learning JP: http://deeplearning.jp/seminar-2/
【DL輪読会】Factory: Fast Contact for Robotic Assembly
【DL輪読会】Factory: Fast Contact for Robotic Assembly
Deep Learning JP
変分ベイズ法の説明。 最尤法との対比で説明した。また、EMアルゴリズムとの対応も述べられている。 職場の勉強会での資料です。
変分ベイズ法の説明
変分ベイズ法の説明
Haruka Ozaki
LDA入門
LDA入門
正志 坪坂
TwitterテキストをLDAを使って分類してみました。NLP勉強会#2のLT発表資料。 http://tokyoscrapper.connpass.com/event/9753/?utm_campaign=&utm_source=notifications&utm_medium=email&utm_content=title_link
Twitterテキストのトピック分析
Twitterテキストのトピック分析
Nobuyuki Kawagashira
More Related Content
What's hot
2022/12/9 Deep Learning JP http://deeplearning.jp/seminar-2/
【DL輪読会】Emergence of maps in the memories of blind navigation agents
【DL輪読会】Emergence of maps in the memories of blind navigation agents
Deep Learning JP
2013/12/14 Jubatus Casual Talks #2 異常検知入門の資料です。
Jubatus Casual Talks #2 異常検知入門
Jubatus Casual Talks #2 異常検知入門
Shohei Hido
不均衡データのクラス分類
不均衡データのクラス分類
Shintaro Fukushima
機械学習はそもそも汎用的な枠組みであり基本的には対象分野に依らず利活用できる。従って、分野を限定して物質科学に機械学習を活用するなどと言う場合、その本質的難所の大部分は、有効な変量の設計・変換・選択・交互作用・線形性などに関する、いわゆるfeature engineeringの問題に帰する。特に、科学研究では端的な説明因子や共通パターンの探究こそが目的であることが多く、その場しのぎではない方法論が期待されている。本発表では、医薬品、機能制御剤、有機EL材料、食品、化粧品、と波及範囲が広い有機低分子について、その物性の予測と生物活性の予測の違いを例に、関わってきた問題・方法・課題について紹介する。 http://ibisml.org/ibis2016/session3/
科学と機械学習のあいだ:変量の設計・変換・選択・交互作用・線形性
科学と機械学習のあいだ:変量の設計・変換・選択・交互作用・線形性
Ichigaku Takigawa
MIRU2018 のチュートリアルで発表された資料です。 https://sites.google.com/view/miru2018sapporo/%E3%83%97%E3%83%AD%E3%82%B0%E3%83%A9%E3%83%A0/%E3%83%81%E3%83%A5%E3%83%BC%E3%83%88%E3%83%AA%E3%82%A2%E3%83%AB
機械学習モデルのハイパパラメータ最適化
機械学習モデルのハイパパラメータ最適化
gree_tech
2022/03/18 Deep Learning JP: http://deeplearning.jp/seminar-2/
[DL輪読会]Revisiting Deep Learning Models for Tabular Data (NeurIPS 2021) 表形式デー...
[DL輪読会]Revisiting Deep Learning Models for Tabular Data (NeurIPS 2021) 表形式デー...
Deep Learning JP
統計学の理論の根幹をなしている「漸近理論」はR.A. Fisherによって打ち立てられた壮大な理論体系です。普通、大学の高学年や大学院で教える内容です。それをここでは大学1年生にも分かるように簡潔に要点のみをスライド1ページで説明することを試みました。
漸近理論をスライド1枚で(フォローアッププログラムクラス講義07132016)
漸近理論をスライド1枚で(フォローアッププログラムクラス講義07132016)
Hideo Hirose
Gradient Boostingは近年Kaggleなどのコンペティションで注目を集めている分類や回帰問題に対するアルゴリズムの一つである。XGBoost, LightGBM, CatBoostなどが有名ではあるが、それらを土台にして近年はDeepGBMやNGBoostといった新規アルゴリズムの登場、汎化理論解析の進展、モデル解釈性の付与方法の多様化など、理論から応用まで多岐にわたる研究が行われている。本チュートリアルでは、Gradient Boostingに関する近年の研究動向やテクニックを、それらの社会実装までを見据えながら紹介していく。
勾配ブースティングの基礎と最新の動向 (MIRU2020 Tutorial)
勾配ブースティングの基礎と最新の動向 (MIRU2020 Tutorial)
RyuichiKanoh
『トピックモデルによる統計的潜在意味解析』読書会ファイナル ~佐藤一誠先生スペシャル~ LT 資料 http://topicmodel.connpass.com/event/27999/
トピックモデルの評価指標 Perplexity とは何なのか?
トピックモデルの評価指標 Perplexity とは何なのか?
hoxo_m
2022/06/03 Deep Learning JP: http://deeplearning.jp/seminar-2/
【DL輪読会】FactorVAE: A Probabilistic Dynamic Factor Model Based on Variational A...
【DL輪読会】FactorVAE: A Probabilistic Dynamic Factor Model Based on Variational A...
Deep Learning JP
距離とクラスタリング
距離とクラスタリング
距離とクラスタリング
大貴 末廣
全脳アーキテクチャ若手の会第13回勉強会の資料
言語と画像の表現学習
言語と画像の表現学習
Yuki Noguchi
2019/03/08 Deep Learning JP: http://deeplearning.jp/seminar-2/
[DL輪読会]Flow-based Deep Generative Models
[DL輪読会]Flow-based Deep Generative Models
Deep Learning JP
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法 6月10日 (木) 11:00 - 12:30 メイン会場(vimeo + sli.do) 登壇者:松井 孝太 氏(名古屋大学) 概要:転移学習とは、解きたいタスクに対して、それと異なるが似ている他のタスクからの知識(データ、特徴、モデルなど)を利用するための方法を与える機械学習のフレームワークです。深層モデルの学習方法として広く普及している事前学習モデルの利用は、この広義の転移学習の一つの実現形態とみなせます。本発表では、まず何をいつ転移するのか (what/when to transfer) といった転移学習の基本概念と定式化を説明し、具体的な転移学習の主要なアプローチとしてドメイン適応、メタ学習について解説します。
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法
SSII
関数データ解析とはどういうものか、どのような場面で用いられるかについてまとめてみました。
関数データ解析の概要とその方法
関数データ解析の概要とその方法
Hidetoshi Matsui
確率分布間の距離とその間の関係をまとめたサーベイ論文 “On choosing and bounding probability metrics” の紹介と, なぜ Wasserstein distance を使うのかの理由付け (の一部).
A summary on “On choosing and bounding probability metrics”
A summary on “On choosing and bounding probability metrics”
Kota Matsui
2022/02/04 Deep Learning JP: http://deeplearning.jp/seminar-2/
[DL輪読会]data2vec: A General Framework for Self-supervised Learning in Speech,...
[DL輪読会]data2vec: A General Framework for Self-supervised Learning in Speech,...
Deep Learning JP
2017-08-26 @ Machine Learning 15 mins
ベイジアンディープニューラルネット
ベイジアンディープニューラルネット
Yuta Kashino
2022/06/10 Deep Learning JP: http://deeplearning.jp/seminar-2/
【DL輪読会】Factory: Fast Contact for Robotic Assembly
【DL輪読会】Factory: Fast Contact for Robotic Assembly
Deep Learning JP
変分ベイズ法の説明。 最尤法との対比で説明した。また、EMアルゴリズムとの対応も述べられている。 職場の勉強会での資料です。
変分ベイズ法の説明
変分ベイズ法の説明
Haruka Ozaki
What's hot
(20)
【DL輪読会】Emergence of maps in the memories of blind navigation agents
【DL輪読会】Emergence of maps in the memories of blind navigation agents
Jubatus Casual Talks #2 異常検知入門
Jubatus Casual Talks #2 異常検知入門
不均衡データのクラス分類
不均衡データのクラス分類
科学と機械学習のあいだ:変量の設計・変換・選択・交互作用・線形性
科学と機械学習のあいだ:変量の設計・変換・選択・交互作用・線形性
機械学習モデルのハイパパラメータ最適化
機械学習モデルのハイパパラメータ最適化
[DL輪読会]Revisiting Deep Learning Models for Tabular Data (NeurIPS 2021) 表形式デー...
[DL輪読会]Revisiting Deep Learning Models for Tabular Data (NeurIPS 2021) 表形式デー...
漸近理論をスライド1枚で(フォローアッププログラムクラス講義07132016)
漸近理論をスライド1枚で(フォローアッププログラムクラス講義07132016)
勾配ブースティングの基礎と最新の動向 (MIRU2020 Tutorial)
勾配ブースティングの基礎と最新の動向 (MIRU2020 Tutorial)
トピックモデルの評価指標 Perplexity とは何なのか?
トピックモデルの評価指標 Perplexity とは何なのか?
【DL輪読会】FactorVAE: A Probabilistic Dynamic Factor Model Based on Variational A...
【DL輪読会】FactorVAE: A Probabilistic Dynamic Factor Model Based on Variational A...
距離とクラスタリング
距離とクラスタリング
言語と画像の表現学習
言語と画像の表現学習
[DL輪読会]Flow-based Deep Generative Models
[DL輪読会]Flow-based Deep Generative Models
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法
関数データ解析の概要とその方法
関数データ解析の概要とその方法
A summary on “On choosing and bounding probability metrics”
A summary on “On choosing and bounding probability metrics”
[DL輪読会]data2vec: A General Framework for Self-supervised Learning in Speech,...
[DL輪読会]data2vec: A General Framework for Self-supervised Learning in Speech,...
ベイジアンディープニューラルネット
ベイジアンディープニューラルネット
【DL輪読会】Factory: Fast Contact for Robotic Assembly
【DL輪読会】Factory: Fast Contact for Robotic Assembly
変分ベイズ法の説明
変分ベイズ法の説明
Viewers also liked
LDA入門
LDA入門
正志 坪坂
TwitterテキストをLDAを使って分類してみました。NLP勉強会#2のLT発表資料。 http://tokyoscrapper.connpass.com/event/9753/?utm_campaign=&utm_source=notifications&utm_medium=email&utm_content=title_link
Twitterテキストのトピック分析
Twitterテキストのトピック分析
Nobuyuki Kawagashira
Tech-Circle 機械学習を利用したアプリケーション開発をはじめよう(ハンズオン)の解説資料
Machine Learning Bootstrap
Machine Learning Bootstrap
Takahiro Kubo
機械学習プロフェッショナルシリーズ輪読会資料
スパース性に基づく機械学習 2章 データからの学習
スパース性に基づく機械学習 2章 データからの学習
hagino 3000
第二回機械学習アルゴリズム実装会 - LDA
第二回機械学習アルゴリズム実装会 - LDA
Masayuki Isobe
LDA等のトピックモデル
LDA等のトピックモデル
Mathieu Bertin
Tokyowebmining発表用資料です。複数の選択肢がある場合に、どのように選択を行うのが効率的なのか?という問題を解決するためのアルゴリズムです。
バンディットアルゴリズム入門と実践
バンディットアルゴリズム入門と実践
智之 村上
Viewers also liked
(7)
LDA入門
LDA入門
Twitterテキストのトピック分析
Twitterテキストのトピック分析
Machine Learning Bootstrap
Machine Learning Bootstrap
スパース性に基づく機械学習 2章 データからの学習
スパース性に基づく機械学習 2章 データからの学習
第二回機械学習アルゴリズム実装会 - LDA
第二回機械学習アルゴリズム実装会 - LDA
LDA等のトピックモデル
LDA等のトピックモデル
バンディットアルゴリズム入門と実践
バンディットアルゴリズム入門と実践
Recently uploaded
2024年4月に社内向けに開催した勉強会資料の社外公開版です
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
2024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
iPride Co., Ltd.
2024/04/26の勉強会で発表されたものです。
新人研修 後半 2024/04/26の勉強会で発表されたものです。
新人研修 後半 2024/04/26の勉強会で発表されたものです。
iPride Co., Ltd.
This is an introduction to MAPPO's paper.
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
atsushi061452
Jue Wang, Wentao Zhu, Pichao Wang, Xiang Yu, Linda Liu, Mohamed Omar, Raffay Hamid, " Selective Structured State-Spaces for Long-Form Video Understanding" CVPR2023 https://openaccess.thecvf.com/content/CVPR2023/html/Wang_Selective_Structured_State-Spaces_for_Long-Form_Video_Understanding_CVPR_2023_paper.html
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
Toru Tamaki
2024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
iPride Co., Ltd.
2022年10月27日に社内向けに開催した勉強会資料の社外公開版です(発表8分程度)
Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)
Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)
Hiroshi Tomioka
NewSQLの可用性構成パターン (OCHaCafe Season 8 #4 発表資料) 2024年5月8日(水) NTTデータグループ 技術開発本部 小林 隆浩
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
Syed Talal Wasim, Muzammal Naseer, Salman Khan, Ming-Hsuan Yang, Fahad Shahbaz Khan , "Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Grounding" arXiv2024 https://arxiv.org/abs/2401.00901v2
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
Toru Tamaki
LoRaWANスマート距離検出センサー DS20Lカタログ
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
CRI Japan, Inc.
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
CRI Japan, Inc.
Recently uploaded
(11)
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)
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
新人研修 後半 2024/04/26の勉強会で発表されたものです。
新人研修 後半 2024/04/26の勉強会で発表されたものです。
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)
Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)
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)
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
LDAを用いた教師なし単語分類
1.
LDAを使った教師なし単語分類
2.
概要
3.
LDAについて トピック1 トピック2 トピック3 発祥の地であるロンドンで開かれた パラリンピックが、幕を閉じた。大 会は変質を遂げ、世界記録が連日更 新されて競技性の高さに注目が集ま った。各国の報道も力が入り、4年 後のリオデジャネイロ大会に期待す る声が早くも上がった。 LDAの構造 -
文章中の各単語がそれぞれ背景 にトピックを持つ - 各文章は様々なトピックが混合 されている 20% 20%60%文章:
4.
単語分類の手順 大リーグは9日、各地であり、ブル ワーズの青木はカージナルス戦に1 番右翼で出場し、9回に同点の2点 本塁打を放つなど5打数2安打だっ た。 1.各単語の背景トピックの初期値 を割り振る トピック1 トピック2 トピック3 発祥の地であるロンドンで開かれた パラリンピックが、幕を閉じた。大 会は変質を遂げ、世界記録が連日更 新されて競技性の高さに注目が集ま った。各国の報道も力が入り、4年 後のリオデジャネイロ大会に期待す る声が早くも上がった。
5.
大リーグは9日、各地であり、ブル ワーズの青木はカージナルス戦に1 番右翼で出場し、9回に同点の2点 本塁打を放つなど5打数2安打だっ た。 1.各単語の背景トピックの初期値 を割り振る トピック1 トピック2 トピック3 2.文章を任意に選び、更にその中 の単語を任意に選ぶ 発祥の地であるロンドンで開かれた パラリンピックが、幕を閉じた。大 会は変質を遂げ、世界記録が連日更 新されて競技性の高さに注目が集ま った。各国の報道も力が入り、4年 後のリオデジャネイロ大会に期待す る声が早くも上がった。 単語分類の手順
6.
大リーグは9日、各地であり、ブル ワーズの青木はカージナルス戦に1 番右翼で出場し、9回に同点の2点 本塁打を放つなど5打数2安打だっ た。 1.各単語の背景トピックの初期値 を割り振る トピック1 トピック2 トピック3 2.文章を任意に選び、更にその中 の単語を任意に選ぶ 発祥の地であるロンドンで開かれた パラリンピックが、幕を閉じた。大 会は変質を遂げ、世界記録が連日更 新されて競技性の高さに注目が集ま った。各国の報道も力が入り、4年 後のリオデジャネイロ大会に期待す る声が早くも上がった。 3.以下の確率で選んだ単語wのトピ ックを変更する 全文書中で背景トピックtを持つ単語の総数 全文書中で背景トピックtを持つ単語wの総数 選んだ文章mの中で背景トピックtを持つ単語の総数 単語分類の手順 (
は「選んだ単語を除く」という意味)
7.
大リーグは9日、各地であり、ブル ワーズの青木はカージナルス戦に1 番右翼で出場し、9回に同点の2点 本塁打を放つなど5打数2安打だっ た。 1.各単語の背景トピックの初期値 を割り振る トピック1 トピック2 トピック3 2.文章を任意に選び、更にその中 の単語を任意に選ぶ 3.以下の確率で選んだ単語wのトピ ックを変更する 発祥の地であるロンドンで開かれた パラリンピックが、幕を閉じた。大 会は変質を遂げ、世界記録が連日更 新されて競技性の高さに注目が集ま った。各国の報道も力が入り、4年 後のリオデジャネイロ大会に期待す る声が早くも上がった。 単語分類の手順 全文書中で背景トピックtを持つ単語の総数 全文書中で背景トピックtを持つ単語wの総数 選んだ文章mの中で背景トピックtを持つ単語の総数 (
は「選んだ単語を除く」という意味)
8.
1.各単語の背景トピックの初期値 を割り振る トピック1 トピック2 トピック3 2.文章を任意に選び、更にその中 の単語を任意に選ぶ 3.以下の確率で選んだ単語wのトピ ックを変更する 4.
2と3の繰り返し(収束するまで) 発祥の地であるロンドンで開かれた パラリンピックが、幕を閉じた。大 会は変質を遂げ、世界記録が連日更 新されて競技性の高さに注目が集ま った。各国の報道も力が入り、4年 後のリオデジャネイロ大会に期待す る声が早くも上がった。 単語分類の手順 大リーグは9日、各地であり、ブル ワーズの青木はカージナルス戦に1 番右翼で出場し、9回に同点の2点 本塁打を放つなど5打数2安打だっ た。 全文書中で背景トピックtを持つ単語の総数 全文書中で背景トピックtを持つ単語wの総数 選んだ文章mの中で背景トピックtを持つ単語の総数 ( は「選んだ単語を除く」という意味)
9.
5.各背景トピックを持つ単語を 数え上げる トピック1 トピック2 トピック3 発祥の地であるロンドンで開かれた パラリンピックが、幕を閉じた。大 会は変質を遂げ、世界記録が連日更 新されて競技性の高さに注目が集ま った。各国の報道も力が入り、4年 後のリオデジャネイロ大会に期待す る声が早くも上がった。 単語分類の手順 大リーグは9日、各地であり、ブル ワーズの青木はカージナルス戦に1 番右翼で出場し、9回に同点の2点 本塁打を放つなど5打数2安打だっ た。 トピック1 同点:1 競技性:1 トピック2 大リーグ:1 青木:1 カージナルス:1 本塁打:1 報道:1 トピック3 発祥:1 ロンドン:1 パラリンピック:1 世界記録:1 リオデジャネイロ:1
10.
ニュース記事に適用してみる
11.
セットアップ 単語の抽出: 30万語登録したキーワード辞書による データ: スポーツの記事
2000 件 トピック数: 15 , : 全て 0.01
12.
結果: 男子:85 大会:64 選手:63 メートル:61 女子:59 メダル:56 日本:54 金メダル:49 車いす:45 ロンドンパラリンピック:45 ゴルフ:129 ツアー:110 ヤード:94 オープン:91 女子:86 国内:85 大会:85 スタート:85 ホール:70 男子:63 試合:333 安打:205 監督:205 阪神:202 選手:178 広島:164 投手:156 連続:136 巨人:131 野球:122 選手:220 試合:212 Goa:152 監督:133 クラブ:122 大会:100 スペイン:97 世界:93 ワールドカップ:81 時間:76 オートスポーツ:54 レース:52 F1:40 イタリア:33 マシン:32 ドライバー:26 時間:15 タイム:15 ステージ:15 試合:246 日本:187 アジア最終予選:174 監督:168 日本代表:162 選手:160 イラク:136 サッカー:118 ブラジル:114 自分:113 大相撲:63 秋場所:62 大関:51 場所:48 両国国技館:44 東京:37 横綱:35 琴奨菊:35 日馬富士:35 初日:34 王者:54 東京:46 大会:33 カード:28 イベント:26 トーナメント:25 試合:24 王座:20 ジム:19 世界:17 女子:29 スポニチ:26 東京:25 大会:23 関係者:23 五輪:22 来年:20 ロンドン五輪:20 指導:16 東京都:15 15回以上登場した単語のみ表示 残り6トピック中には, 15回以上登場した単語が0 だったので表示していない 数字は各トピックに属する単語 の数 スポーツの各トピックごとに単語が分類できた 1つ1つが トピックに対応
Download now