「アクティブビジョンとフリストン自由エネルギー原理」@北大20170111

•

13 likes•10,414 views

Karl Fristonが提唱している「自由エネルギー原理(free-energy principle = FEP)」について、北大文学部の聴衆を対象にして、物理学や機械学習の知識の前提抜きにして、説明を行い、その意義を説明したものです。FEPの意識研究への応用に向けて、FEPとエナクション説の近接性について強調したものとなっております。

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/

MICの解説

logics-of-blue

関数データ解析の概要とその方法

Hidetoshi Matsui

道具としての機械学習：直感的概要とその実際

Ichigaku Takigawa

数学で解き明かす深層学習の原理

Taiji Suzuki

ゼロから始める深層強化学習（NLP2018講演資料）/ Introduction of Deep Reinforcement Learning

Preferred Networks

DNNの曖昧性に関する研究動向

Naoki Matsunaga

意思決定・合意形成を支援する技術のひとつとして、文書や発言の議論構造を自動的に認識し、大量の意見を俯瞰する議論マイニング (argumentation mining)を紹介する。本講演ではまず、議論マイニングとその周辺技術（感情分析、評判分析、談話構造分析など）を整理する。そして、因果関係などの議論マイニングに必要な常識的知識の獲得、その知識を深層ニューラルネットワークに埋め込む手法など、最先端の研究事例を紹介する。

機械学習入門

Hayato Maki

強化学習の基礎と深層強化学習（東京大学松尾研究室深層強化学習サマースクール講義資料）

Shota Imai

東京大学松尾研究室が主催する深層強化学習サマースクールの講義で今井が使用した資料の公開版です．強化学習の基礎的な概念や理論から最新の深層強化学習アルゴリズムまで解説しています．巻末には強化学習を勉強するにあたって有用な他資料への案内も載せました．主に以下のような強化学習の概念やアルゴリズムの紹介をしています．・マルコフ決定過程・ベルマン方程式・モデルフリー強化学習・モデルベース強化学習・TD学習・Q学習・SARSA ・適格度トレース・関数近似・方策勾配法・方策勾配定理・DPG ・DDPG ・TRPO ・PPO ・SAC ・Actor-Critic ・DQN（Deep Q-Network）・経験再生・Double DQN ・Prioritized Experience Replay ・Dueling Network ・Categorical DQN ・Noisy Network ・Rainbow ・A3C ・A2C ・Gorila ・Ape-X ・R2D2 ・内発的報酬・カウントベース・擬似カウントベース・RND（Random Network Distillation）・ICM（Intrinsic Curiosity Module）・Go-Explore ・世界モデル（World Models）・MuZero ・SimPLe ・NGU（Never Give Up）・Agent57 ・AlphaGo ・AlphaGo Zero ・AlphaZero ・OpenAI Five ・AlphaStar ・マルチエージェント強化学習

工学系大学4年生のための論文の読み方

ychtanaka

統計的因果推論への招待 -因果構造探索を中心に-

Shiga University, RIKEN

3次元レジストレーション（PCLデモとコード付き）

Toru Tamaki

３次元点群に対するレジストレーション（位置合わせ）手法について解説する。 3次元レジストレーション手法の概要の把握。 ICP程度の手法を実装できるスキルの取得。 1. レジストレーションとは：2次元のレジストレーションの例から始めて，3次元レジストレーションの基礎を学ぶ。最小二乗法，最適化，Procrustes analysis 2. ICPとその変種：基本的なアルゴリズムであるICP（Iterative Closest Point）と，その拡張を学ぶ。ICP，Softassign，EM-ICP 3．さまざまなレジストレーション手法を学ぶ．剛体レジストレーション，非剛体レジストレーション

失敗から学ぶ機械学習応用

Hiroyuki Masuda

社内勉強会での発表資料です。「失敗事例を通じて、機械学習の検討で抑えるべきポイントを学ぶ」をコンセプトに作成しました。AI・機械学習を検討する広くの方々に活用していただけると幸いです。あとがきを下記に書きました。よければこちらもご参照ください。 https://qiita.com/bezilla/items/1e1abac767e10d0817d1

はじめよう多変量解析～主成分分析編～

宏喜佐野

機械学習品質管理・保証の動向と取り組み

Shintaro Fukushima

画像処理基礎

大貴末廣

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

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。

モデルアーキテクチャ観点からの高速化2019

Yusuke Uchida

第二回 Deep Learning Acceleration 勉強会（DLAccel #2）での発表資料 https://idein.connpass.com/event/139074/ 高速化技術を下記の6観点で紹介 - 畳み込みの分解 (Factorization) - 枝刈り (Pruning) - アーキテクチャ探索 (Neural Architecture Search; NAS) - 早期終了、動的計算グラフ(Early Termination, Dynamic Computation Graph) - 蒸留 (Distillation) - 量子化 (Quantization)

最適輸送の解き方

joisino

最適輸送問題（Wasserstein 距離）を解く方法についてのさまざまなアプローチ・アルゴリズムを紹介します。線形計画を使った定式化の基礎からはじめて、以下の五つのアルゴリズムを紹介します。 1. ネットワークシンプレックス法 2. ハンガリアン法 3. Sinkhorn アルゴリズム 4. ニューラルネットワークによる推定 5. スライス法このスライドは第三回 0x-seminar https://sites.google.com/view/uda-0x-seminar/home/0x03 で使用したものです。自己完結するよう心がけたのでセミナーに参加していない人にも役立つスライドになっています。『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-nojie-kifang

幾何を使った統計のはなし

Toru Imai

[DL輪読会]Focal Loss for Dense Object Detection

Deep Learning JP

駒場学部講義2017 「意識の神経科学：盲視・統合失調症・自由エネルギー原理」

「アクティブビジョンと フリストン自由エネルギー原理」@北大20170111

Recommended

Recommended

More Related Content

What's hot

What's hot (20)

Viewers also liked

Viewers also liked (8)

More from Masatoshi Yoshida

More from Masatoshi Yoshida (20)

「アクティブビジョンとフリストン自由エネルギー原理」@北大20170111