20230119_Visual_Programing_IoTLT_vol13_kitazaki_v1.pdf

•

0 likes•304 views

Ayachika Kitazaki

https://iotlt.connpass.com/event/267993/

Technology

qiita.com/yskmjp/items/cedbfd3f3980c42a8771

IoTLT チャンネル登録お願いします！
https://youtube.com/c/IoTLT

※注意ビルド環境構築手順が変わっています！
⚠
のちほど、Qiitaの記事を更新します󰢛

サンプルダウンロード&書き込み
(参照) https://espressif.github.io/esp-launchpad/
(参照) https://kitazaki.github.io/matter-example-apps/
ATOM Lite ESP32のNOT FOUNDエラー対応済

Recently uploaded

ハイブリッドクラウド研究会_Hyper-VとSystem Center Virtual Machine Manager セッションMM

osamut

キンドリルネットワークアセスメントサービスご紹介今のネットワーク環境は大丈夫？調査〜対策までご支援します

Takayuki Nakayama

「進化するアプリイマ×ミライ～生成AIアプリへ続く道と新時代のアプリとは～」Interop24Tokyo APPS JAPAN B1-01講演

嶋　是一 (Yoshikazu SHIMA)

ロジックから状態を分離する技術/設計ナイト2024 by わいとん @ytnobody

azuma satoshi

論文紹介：Deep Learning-Based Human Pose Estimation: A Survey

Toru Tamaki

Generating Automatic Feedback on UI Mockups with Large Language Models

harmonylab

ReonHata_便利の副作用に気づかせるための発想支援手法の評価---行為の増減の提示による気づきへの影響---

Matsushita Laboratory

我々はこれまで，新たなモノを産出する過程において「便利にすること」によって副次的に生じる課題を「便利の副作用」と定義し，その低減を目的としてアイディアの発想支援手法を提案してきた．これまでの研究では，便利前後の行為の増減に着目することにより便利の副作用への気づきの誘発が示唆されたものの，行為の増減の提示による便利の副作用への気づきへの影響は十分に検討できていなかった．そのため，本稿では行為の提示により便利の副作用に気づき，それを防いだアイディアの発想の支援が可能かの検証を目的として実験を行い，その有効性について検証する．実験では，行為の増減の提示の有無によりアイディア発想にどのような影響を与えるか検証を行う．

Humanoid Virtual Athletics Challenge2024 技術講習会スライド

tazaki1

This is the company presentation material of RIZAP Technologies, Inc.

chiefujita1

生成AIがもたらすコンテンツ経済圏の新時代　　The New Era of Content Economy Brought by Generative AI

Osaka University

、コンテンツ制作の主体をプロのクリエーターからユーザーへと移行させている現状をご存じの方も多いでしょう。現在、画像コンテンツ制作現場では生成AIがクリエーターを支援するツールとして利用されています。セミナーでは、画像生成における自動化の境界についての議論が予定されています。 AIの利用には著作権や倫理的な問題も伴いますが、クリエーターとAIが共存し、センシング技術と統合することで新しい形のコンテンツが生み出されることが期待されています。

遺伝的アルゴリズムと知識蒸留による大規模言語モデル（LLM）の学習とハイパーパラメータ最適化

t m

オープンエンドな進化から着想を得て、個々の大規模言語モデル（LLM）が、グループとして学習を進めながら、ノームエージェントとして機能するという概念を探求しています。これは、単一のモデルでは難しい複雑な問題を解決することを目的としています。具体的な方法として、遺伝的アルゴリズムと知識蒸留を組み合わせた学習プロセスを提案しています。知識蒸留によって学習を進め、同時に遺伝的アルゴリズムでハイパーパラメータを最適化することで、より効率的な学習を目指します。ドメインタスクとして、指示からPythonコードを生成するコード生成タスクを選択しました。実験では、学習に3つの学習モデルと1つの教師モデルを使用しました。その結果、HumanEvalのpass@1で精度が1.2%向上し、学習が進むにつれて学習率が最適化された兆候が見られました。しかし、大幅な精度向上を達成し、さまざまなハイパーパラメータを最適化するには、まだ課題が残っています。

LoRaWAN 4チャンネル電流センサー・コンバーター CS01-LB 日本語マニュアル

CRI Japan, Inc.