Submit Search
Upload
ニューラルネットワーク勉強会4
•
1 like
•
731 views
Y
yhide
Follow
研究グループ内で行っている勉強会の資料です
Read less
Read more
Technology
Report
Share
Report
Share
1 of 11
Download now
Download to read offline
Recommended
研究グループ内で行っている勉強会の資料です
ニューラルネットワーク勉強会3
ニューラルネットワーク勉強会3
yhide
研究内容概要
高田研冬合宿(竹内昌憲)
高田研冬合宿(竹内昌憲)
昌憲 竹内
「深層学習による自然言語処理」読書会 記憶ネットワークの話
「深層学習による自然言語処理」読書会 4.2記憶ネットワーク@レトリバ
「深層学習による自然言語処理」読書会 4.2記憶ネットワーク@レトリバ
scapegoat06
京大黒橋・河原研で開催されたEMNLP読み会の資料。 紹介した論文は、 Distinguishing Past, On-going, and Future Events: The EventStatus Corpus Ruihong Huang; Ignacio Cases; Dan Jurafsky; Cleo Condoravdi; Ellen Riloff
Hangyo emnlp paperreading2016
Hangyo emnlp paperreading2016
Hangyo Masatsugu
Googleが2015年11月に配布した機械学習フレームワークであるTensorFlowについて、概要からCNN (Convolutional Neural Networks)アーキテクチャ構築までの説明をまとめました。研究所内の勉強会で用いた資料です。ディープラーニングの学習用にどうぞ! サンプルコードも下記リンクにしばらく置いておきます。 http://www.hirokatsukataoka.net/temp/TensorFlow/my_cnn.tar.gz http://www.hirokatsukataoka.net/temp/TensorFlow/my_cnn.zip
TensorFlowによるCNNアーキテクチャ構築
TensorFlowによるCNNアーキテクチャ構築
Hirokatsu Kataoka
深層学習(青本)のRNN説明用スライド.
Recurrent Neural Network
Recurrent Neural Network
KozoChikai
学内でLINQについて紹介したときの資料です。
Unityでlinqを使おう
Unityでlinqを使おう
Yuuki Takada
研究グループ内で行っている勉強会の資料です
ニューラルネットワーク勉強会2
ニューラルネットワーク勉強会2
yhide
Recommended
研究グループ内で行っている勉強会の資料です
ニューラルネットワーク勉強会3
ニューラルネットワーク勉強会3
yhide
研究内容概要
高田研冬合宿(竹内昌憲)
高田研冬合宿(竹内昌憲)
昌憲 竹内
「深層学習による自然言語処理」読書会 記憶ネットワークの話
「深層学習による自然言語処理」読書会 4.2記憶ネットワーク@レトリバ
「深層学習による自然言語処理」読書会 4.2記憶ネットワーク@レトリバ
scapegoat06
京大黒橋・河原研で開催されたEMNLP読み会の資料。 紹介した論文は、 Distinguishing Past, On-going, and Future Events: The EventStatus Corpus Ruihong Huang; Ignacio Cases; Dan Jurafsky; Cleo Condoravdi; Ellen Riloff
Hangyo emnlp paperreading2016
Hangyo emnlp paperreading2016
Hangyo Masatsugu
Googleが2015年11月に配布した機械学習フレームワークであるTensorFlowについて、概要からCNN (Convolutional Neural Networks)アーキテクチャ構築までの説明をまとめました。研究所内の勉強会で用いた資料です。ディープラーニングの学習用にどうぞ! サンプルコードも下記リンクにしばらく置いておきます。 http://www.hirokatsukataoka.net/temp/TensorFlow/my_cnn.tar.gz http://www.hirokatsukataoka.net/temp/TensorFlow/my_cnn.zip
TensorFlowによるCNNアーキテクチャ構築
TensorFlowによるCNNアーキテクチャ構築
Hirokatsu Kataoka
深層学習(青本)のRNN説明用スライド.
Recurrent Neural Network
Recurrent Neural Network
KozoChikai
学内でLINQについて紹介したときの資料です。
Unityでlinqを使おう
Unityでlinqを使おう
Yuuki Takada
研究グループ内で行っている勉強会の資料です
ニューラルネットワーク勉強会2
ニューラルネットワーク勉強会2
yhide
研究グループ内で行っている勉強会の資料です
ニューラルネットワーク勉強会1
ニューラルネットワーク勉強会1
yhide
研究グループ内で行っている勉強会の資料です。
ニューラルネットワーク勉強会5
ニューラルネットワーク勉強会5
yhide
2014年11月度 AITC クラウド・テクノロジー活用部会 勉強会資料 ニューラルネットワーク ことはじめ
ニューラルネットワーク ことはじめ
ニューラルネットワーク ことはじめ
Kazuhide Okamura
Public Safety Hiring Tutorial
Public Safety Hiring Tutorial
Public Safety Hiring Tutorial
cwhms
presentation of unit 2
Definitions of unit 2
Definitions of unit 2
quintomat
Kolumbina
Kolumbina
Kolumbina
megikatq
Presentation123
Presentation123
megikatq
GlobalWA Brochure
GlobalWA Brochure
Sara Atalla
турция
турция
турция
megikatq
J431 Strategic Communications Campaign Plan
J431 Strategic Communications Campaign Plan
Sara Kate Nash
แรง
แรง
Arisa Khuntong
GlobalWA Philanthropy Guide
GlobalWA Philanthropy Guide
Sara Atalla
коледен експрес
коледен експрес
коледен експрес
megikatq
Futbolen turnir na malkite kosmonav4eta
Futbolen turnir
Futbolen turnir
megikatq
християнско семейство
ден на християнското семейство
ден на християнското семейство
megikatq
Presentation1pdf
Presentation1pdf
valuesaashyderabad1
osma zala
ден на христ.сем во-8 зала
ден на христ.сем во-8 зала
megikatq
YouTube nnabla channelの次の動画で利用したスライドです。 【AI論文解説】Consistency ModelとRectified Flow https://youtu.be/3IKCrAPe55k Consistency ModelとRectified Flowに関連する以下の論文を紹介しています。 Consistency models(解説編Part1で紹介) - “Consistency Models,” ICML 2023. - “Improved Techniques for Training Consistency Models,” ICLR 2024. - “Consistency Trajectory Models: Learning Probability Flow ODE Trajectory of Diffusion,” ICLR 2024. Rectified flow(解説編Part2で紹介) - “Flow Straight and Fast: Learning to Generate and Transfer Data with Rectified Flow,” ICLR 2023. - “InstaFlow: One Step is Enough for High-Quality Diffusion-Based Text-to-Image Generation,” ICLR 2024.
【AI論文解説】Consistency ModelとRectified Flow
【AI論文解説】Consistency ModelとRectified Flow
Sony - Neural Network Libraries
YugabyteDB適用に向けた取り組みと隠れた魅力 (DSS Asia 2024 発表資料) 2024年4月24日(水) 株式会社NTTデータグループ 技術開発本部 笠原 辰仁
YugabyteDB適用に向けた取り組みと隠れた魅力 (DSS Asia 2024 発表資料)
YugabyteDB適用に向けた取り組みと隠れた魅力 (DSS Asia 2024 発表資料)
NTT DATA Technology & Innovation
Security-JAWS【第33回】 勉強会 https://s-jaws.doorkeeper.jp/events/173294
Amazon Cognitoで実装するパスキー (Security-JAWS【第33回】 勉強会)
Amazon Cognitoで実装するパスキー (Security-JAWS【第33回】 勉強会)
keikoitakurag
2024/05/25 serverless Meetup osaka
2024年5月25日Serverless Meetup大阪 アプリケーションをどこで動かすべきなのか.pptx
2024年5月25日Serverless Meetup大阪 アプリケーションをどこで動かすべきなのか.pptx
ssuserbefd24
This presentation introduces a paper about offline reinforcement learning.
論文紹介: Offline Q-Learning on diverse Multi-Task data both scales and generalizes
論文紹介: Offline Q-Learning on diverse Multi-Task data both scales and generalizes
atsushi061452
More Related Content
Viewers also liked
研究グループ内で行っている勉強会の資料です
ニューラルネットワーク勉強会1
ニューラルネットワーク勉強会1
yhide
研究グループ内で行っている勉強会の資料です。
ニューラルネットワーク勉強会5
ニューラルネットワーク勉強会5
yhide
2014年11月度 AITC クラウド・テクノロジー活用部会 勉強会資料 ニューラルネットワーク ことはじめ
ニューラルネットワーク ことはじめ
ニューラルネットワーク ことはじめ
Kazuhide Okamura
Public Safety Hiring Tutorial
Public Safety Hiring Tutorial
Public Safety Hiring Tutorial
cwhms
presentation of unit 2
Definitions of unit 2
Definitions of unit 2
quintomat
Kolumbina
Kolumbina
Kolumbina
megikatq
Presentation123
Presentation123
megikatq
GlobalWA Brochure
GlobalWA Brochure
Sara Atalla
турция
турция
турция
megikatq
J431 Strategic Communications Campaign Plan
J431 Strategic Communications Campaign Plan
Sara Kate Nash
แรง
แรง
Arisa Khuntong
GlobalWA Philanthropy Guide
GlobalWA Philanthropy Guide
Sara Atalla
коледен експрес
коледен експрес
коледен експрес
megikatq
Futbolen turnir na malkite kosmonav4eta
Futbolen turnir
Futbolen turnir
megikatq
християнско семейство
ден на християнското семейство
ден на християнското семейство
megikatq
Presentation1pdf
Presentation1pdf
valuesaashyderabad1
osma zala
ден на христ.сем во-8 зала
ден на христ.сем во-8 зала
megikatq
Viewers also liked
(17)
ニューラルネットワーク勉強会1
ニューラルネットワーク勉強会1
ニューラルネットワーク勉強会5
ニューラルネットワーク勉強会5
ニューラルネットワーク ことはじめ
ニューラルネットワーク ことはじめ
Public Safety Hiring Tutorial
Public Safety Hiring Tutorial
Definitions of unit 2
Definitions of unit 2
Kolumbina
Kolumbina
Presentation123
Presentation123
GlobalWA Brochure
GlobalWA Brochure
турция
турция
J431 Strategic Communications Campaign Plan
J431 Strategic Communications Campaign Plan
แรง
แรง
GlobalWA Philanthropy Guide
GlobalWA Philanthropy Guide
коледен експрес
коледен експрес
Futbolen turnir
Futbolen turnir
ден на християнското семейство
ден на християнското семейство
Presentation1pdf
Presentation1pdf
ден на христ.сем во-8 зала
ден на христ.сем во-8 зала
Recently uploaded
YouTube nnabla channelの次の動画で利用したスライドです。 【AI論文解説】Consistency ModelとRectified Flow https://youtu.be/3IKCrAPe55k Consistency ModelとRectified Flowに関連する以下の論文を紹介しています。 Consistency models(解説編Part1で紹介) - “Consistency Models,” ICML 2023. - “Improved Techniques for Training Consistency Models,” ICLR 2024. - “Consistency Trajectory Models: Learning Probability Flow ODE Trajectory of Diffusion,” ICLR 2024. Rectified flow(解説編Part2で紹介) - “Flow Straight and Fast: Learning to Generate and Transfer Data with Rectified Flow,” ICLR 2023. - “InstaFlow: One Step is Enough for High-Quality Diffusion-Based Text-to-Image Generation,” ICLR 2024.
【AI論文解説】Consistency ModelとRectified Flow
【AI論文解説】Consistency ModelとRectified Flow
Sony - Neural Network Libraries
YugabyteDB適用に向けた取り組みと隠れた魅力 (DSS Asia 2024 発表資料) 2024年4月24日(水) 株式会社NTTデータグループ 技術開発本部 笠原 辰仁
YugabyteDB適用に向けた取り組みと隠れた魅力 (DSS Asia 2024 発表資料)
YugabyteDB適用に向けた取り組みと隠れた魅力 (DSS Asia 2024 発表資料)
NTT DATA Technology & Innovation
Security-JAWS【第33回】 勉強会 https://s-jaws.doorkeeper.jp/events/173294
Amazon Cognitoで実装するパスキー (Security-JAWS【第33回】 勉強会)
Amazon Cognitoで実装するパスキー (Security-JAWS【第33回】 勉強会)
keikoitakurag
2024/05/25 serverless Meetup osaka
2024年5月25日Serverless Meetup大阪 アプリケーションをどこで動かすべきなのか.pptx
2024年5月25日Serverless Meetup大阪 アプリケーションをどこで動かすべきなのか.pptx
ssuserbefd24
This presentation introduces a paper about offline reinforcement learning.
論文紹介: Offline Q-Learning on diverse Multi-Task data both scales and generalizes
論文紹介: Offline Q-Learning on diverse Multi-Task data both scales and generalizes
atsushi061452
https://iotlt.connpass.com/event/318403/
20240523_IoTLT_vol111_kitazaki_v1___.pdf
20240523_IoTLT_vol111_kitazaki_v1___.pdf
Ayachika Kitazaki
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
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
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.
サイバーエージェントAI事業部の新卒研修で利用したスライドを公開します。
2024年度_サイバーエージェント_新卒研修「データベースの歴史」.pptx
2024年度_サイバーエージェント_新卒研修「データベースの歴史」.pptx
yassun7010
2024/05/24の勉強会で発表されたものです。
MPAなWebフレームワーク、Astroの紹介 (その2) 2024/05/24の勉強会で発表されたものです。
MPAなWebフレームワーク、Astroの紹介 (その2) 2024/05/24の勉強会で発表されたものです。
iPride Co., Ltd.
This presentation introduces a paper about offline reinforcement learning.
論文紹介: Exploiting semantic segmentation to boost reinforcement learning in vid...
論文紹介: Exploiting semantic segmentation to boost reinforcement learning in vid...
atsushi061452
Recently uploaded
(10)
【AI論文解説】Consistency ModelとRectified Flow
【AI論文解説】Consistency ModelとRectified Flow
YugabyteDB適用に向けた取り組みと隠れた魅力 (DSS Asia 2024 発表資料)
YugabyteDB適用に向けた取り組みと隠れた魅力 (DSS Asia 2024 発表資料)
Amazon Cognitoで実装するパスキー (Security-JAWS【第33回】 勉強会)
Amazon Cognitoで実装するパスキー (Security-JAWS【第33回】 勉強会)
2024年5月25日Serverless Meetup大阪 アプリケーションをどこで動かすべきなのか.pptx
2024年5月25日Serverless Meetup大阪 アプリケーションをどこで動かすべきなのか.pptx
論文紹介: Offline Q-Learning on diverse Multi-Task data both scales and generalizes
論文紹介: Offline Q-Learning on diverse Multi-Task data both scales and generalizes
20240523_IoTLT_vol111_kitazaki_v1___.pdf
20240523_IoTLT_vol111_kitazaki_v1___.pdf
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
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
2024年度_サイバーエージェント_新卒研修「データベースの歴史」.pptx
2024年度_サイバーエージェント_新卒研修「データベースの歴史」.pptx
MPAなWebフレームワーク、Astroの紹介 (その2) 2024/05/24の勉強会で発表されたものです。
MPAなWebフレームワーク、Astroの紹介 (その2) 2024/05/24の勉強会で発表されたものです。
論文紹介: Exploiting semantic segmentation to boost reinforcement learning in vid...
論文紹介: Exploiting semantic segmentation to boost reinforcement learning in vid...
ニューラルネットワーク勉強会4
1.
ニューラルネットワーク 勉強会 第4回 柳本 豪一
2.
本日の予定 リカレントニューラルネットワークで言語モデルを構 築します。 • リカレントニューラルネットワークを構築する
3.
リカレントニューラルネットワーク言語モデル 一般的なリカレントニューラルネットワーク 入力層 隠れ層(t) 出力層 隠れ層(t-1)
4.
リカレントニューラルネットワーク言語モデル 一般的なリカレントニューラルネットワーク 入力層 隠れ層(t) 出力層 隠れ層(t-1) コンテキストユニット
5.
言語モデルの特徴 過去の入力を考慮した予測が可能 フィードバックにより隠れ層に履歴が保存 →多層NNに比べPerplexityは改善 長期におよぶ過去の情報の保存は困難 フィードバック結合の重み行列の固有値の問題 固有値が1より大きい→発散 固有値が1より小さい→消失
6.
言語モデルの特徴 過去の入力を考慮した予測が可能 フィードバックにより隠れ層に履歴が保存 →多層NNに比べPerplexityは改善 長期におよぶ過去の情報の保存は困難 フィードバック結合の重み行列の固有値の問題 固有値が1より大きい→発散 固有値が1より小さい→消失 Long Short Term
Memory(LSTM)の登場 (次回)
7.
入出力 1-of-nコーディングにより単語を入力 EmbedIDを使って分散表現を作成 Softmax関数を使った単語の予測 softmax_cross_entropy関数を利用
8.
Chainerでの実装 FunctionSetを用いてニューラルネットワークを構成 model = FunctionSet( embed
= F.EmbedID(V, R), x_to_h = F.Linear(R, H), h_to_h = F.Linear(H, H), //フィードバック h_to_y = F.Linear(H, V), )
9.
Chainerでの実装 フィードバックの実装 • 1文ごとに隠れ層を初期化 • 単語ごとに隠れ層の状態を計算し、次の計算に利用 →
関数による実装 def forward(sent): loss = Variable(np.zeros((), dtype=np.float32)) h = Variable(np.zeros((1, H), dtype=np.float32)) for cur_word, next_word in zip(sent[:-1], sent[1:]): h, new_loss = forward_one_each(h, cur_word, next_word) loss += new_loss return loss
10.
Chainerでの実装 フィードバックの実装 • 1文ごとに隠れ層を初期化 • 単語ごとに隠れ層の状態を計算し、次の計算に利用 →
関数による実装 def forward_one_step(h, cur_word, next_word): i = Variable(np.array([cur_word], dtype=np.int32)) t = Variable(np.array([next_word], dtype=np.int32)) x = model.embed(i) h = F.tanh(model.x_to_h(x) + model.h_to_h(h)) y = F.tanh(model.h_to_y(h)) return h, F.softmax_cross_entropy(y, t)
11.
ライブコーディング リカレントニューラルネットワークを用いた言語モデ ルの構築
Download now