Submit Search
Upload
ニューラルネットワーク.pptx
•
Download as PPTX, PDF
•
0 likes
•
220 views
H
hiro150493
Follow
ニューラルネットワーク
Read less
Read more
Report
Share
Report
Share
1 of 21
Download now
Recommended
neural architecture search with reinforcement learning
neural architecture search with reinforcement learning
Yamato OKAMOTO
ICLR'17で発表されたGoogleBrainによる論文です。 NeuralNetworkを生成するNeuralNetworkが提案されました。CNNやLSTMモデルを生成しています。
人工知能に哲学が必要なわけ
人工知能に哲学が必要なわけ
Youichiro Miyake
LDCイノベーション講座の講義資料です。
ソフトウェア工学におけるAIの学習方法
ソフトウェア工学におけるAIの学習方法
mack05410
こちらは後輩にAIの学習方法を教える時に用いたものです。
Deeplearningと髪型レコメンドへの応用
Deeplearningと髪型レコメンドへの応用
taichi nishimura
カラビナテクノロジーで発表したLTのdeeplearningの資料です。 AlexNetをチューニングし,10層のネットワークで10次元のベクトルを作りました。
人工知能(AI)についてやさし~く説明します!
人工知能(AI)についてやさし~く説明します!
Yuji Ogihara
高校の同窓会で人工知能(AI)について話をしたときの資料を共有します。
ディープラーニングによる時系列データの異常検知
ディープラーニングによる時系列データの異常検知
Core Concept Technologies
ディープラーニングを使った時系列データの異常検知の手法の紹介と適用例を示します。
AIを社会・企業に活かす
AIを社会・企業に活かす
Youichiro Miyake
エドッテックグローバルスクールにおける講義です。
東京大学 経済学部講義 前半
東京大学 経済学部講義 前半
Youichiro Miyake
2020年7月7日(火曜日)に行った 東京大学 経済学部講義 前半の資料です。
Recommended
neural architecture search with reinforcement learning
neural architecture search with reinforcement learning
Yamato OKAMOTO
ICLR'17で発表されたGoogleBrainによる論文です。 NeuralNetworkを生成するNeuralNetworkが提案されました。CNNやLSTMモデルを生成しています。
人工知能に哲学が必要なわけ
人工知能に哲学が必要なわけ
Youichiro Miyake
LDCイノベーション講座の講義資料です。
ソフトウェア工学におけるAIの学習方法
ソフトウェア工学におけるAIの学習方法
mack05410
こちらは後輩にAIの学習方法を教える時に用いたものです。
Deeplearningと髪型レコメンドへの応用
Deeplearningと髪型レコメンドへの応用
taichi nishimura
カラビナテクノロジーで発表したLTのdeeplearningの資料です。 AlexNetをチューニングし,10層のネットワークで10次元のベクトルを作りました。
人工知能(AI)についてやさし~く説明します!
人工知能(AI)についてやさし~く説明します!
Yuji Ogihara
高校の同窓会で人工知能(AI)について話をしたときの資料を共有します。
ディープラーニングによる時系列データの異常検知
ディープラーニングによる時系列データの異常検知
Core Concept Technologies
ディープラーニングを使った時系列データの異常検知の手法の紹介と適用例を示します。
AIを社会・企業に活かす
AIを社会・企業に活かす
Youichiro Miyake
エドッテックグローバルスクールにおける講義です。
東京大学 経済学部講義 前半
東京大学 経済学部講義 前半
Youichiro Miyake
2020年7月7日(火曜日)に行った 東京大学 経済学部講義 前半の資料です。
人工知能の可能性と限界
人工知能の可能性と限界
Youichiro Miyake
11月25日の講演資料です。
20160601画像電子学会
20160601画像電子学会
nlab_utokyo
20160601画像電子学会
立教大学講義「デジタルゲームの人工知能」
立教大学講義「デジタルゲームの人工知能」
Youichiro Miyake
立教大学における 2019年11月12日の講義の資料です。
ネットからリアルへ人工知能の進出(前半)
ネットからリアルへ人工知能の進出(前半)
Youichiro Miyake
箱庭からネットへ、ネットからリアルへ、 人工知能が実体をもって実社会・実世界へ進出する経緯を説明します。
人工知能を用いた医用画像処理技術
人工知能を用いた医用画像処理技術
Yutaka KATAYAMA
機械学習 概論
ゲームAIと人工生命
ゲームAIと人工生命
Youichiro Miyake
CQ出版における講演資料です。
cnnstudy
cnnstudy
AsukaYagami
2018年4月30日CNN勉強会でまとめた資料です。
デジタルゲームにおける人工知能技術
デジタルゲームにおける人工知能技術
Youichiro Miyake
オリエンテーションにおけるAI技術の説明と、 研究課題の説明です。
今さら聞けないITエンジニアのための人工知能
今さら聞けないITエンジニアのための人工知能
Keisuke Tameyasu
ITシステムの開発を主にやっています。為安圭介です。 数年間、ITシステム開発のリーダという役割をいただいて、数十名のチーム運営を経験してきました。 今回、遅ればせながらAIに関する勉強を始めました。なんとなくわかった気になっていたAIについて、自分でまとめてみると驚くほど知らないことが多かったように感じます。 今さらですが、書店にあって立ち読みで済ませていた 「松尾 豊(著)@KADOKAWA『人工知能は人間を超えるか』」を購入し、その内容を自分の理解の範囲で簡単にまとめてみました。 これからAIについてビジネスを始めるITエンジニアの方々にも少しは理解できるものになっていると思います。 さて、このスライドをまとめるための時間は、最近アニメが復活したという噂を聞いてなんとなく読み直した「封神演義 ※崑崙山VS金鰲島~紂王が我に返るまで」+「DQ11 セーニャを仲間にする(2)まで」でした。 十二仙でも歯が立たなかった無敵の聞仲と崑崙の教主、元始天尊の戦いは熱かった。その後の武成王と聞仲のやり取りから、太公望との原始的な戦い・・・ DQ11をやったことがある人なら、この『(2)』の意味もわかるでしょう。個人的には1の方が良かったのですが。デルカダール神殿をクリアしたのが8月だったのに、2ヶ月経った今もまだセーニャとは・・・
明治大学「ゲーム研究の新時代に向けて」講演資料(上)
明治大学「ゲーム研究の新時代に向けて」講演資料(上)
Youichiro Miyake
明治大学「ゲーム研究の新時代に向けて」 http://sauvage.jp/archives/3795 講演資料(前篇)です。
コンピュータのソフトとハードの境界、そしてIoTへ
コンピュータのソフトとハードの境界、そしてIoTへ
Junichi Akita
数理の翼伊計島セミナー2018での講義資料。ムーアの法則、製造ばらつき、Lチカ、Make、深セン、MakeLSI:
20150414seminar
20150414seminar
nlab_utokyo
ディープ・ラーニングと 画像処理・画像解析セミナー (2015年4月14日)
Implant device
Implant device
Kenyu Uehara
授業の課題で技術ロードマップを作れというものがあったので適当に作りました. 研究ブログはこちら: https://kenyu-life.com/ Created by 上原賢祐
『人工知能のための哲学塾 at ゲンロンカフェ』 講演資料
『人工知能のための哲学塾 at ゲンロンカフェ』 講演資料
Youichiro Miyake
2019年2月8日「人工知能のための哲学塾 at ゲンロンカフェ」登壇させて頂きました。 ニコ生 http://live2.nicovideo.jp/watch/lv318150103 サイト https://genron-cafe.jp/event/20190208/
深層学習と音響信号処理
深層学習と音響信号処理
Yuma Koizumi
小泉 悠馬, "深層学習と音響信号処理," 第16回ICTイノベーションセミナー at 首都大学東京, 招待講演, 2018.
2016年夏の自由研究
2016年夏の自由研究
yukihiro sakai
自由研究 Keynoteからアップしたら日本語消えた。 pptに変換してアップするとなんかフォント変。
Py conkyushu2018
Py conkyushu2018
ssuseraac758
初心者向け、Pythonで始める人工知能入門の資料です。 人工知能の説明と、ニューラルネットワーク の解説、簡単な画像識別装置を Google の Colab と Keras を使った実装の仕方を紹介しています。
鳥肌必至のニューラルネットワークによる近未来の画像認識技術を体験し、IoTの知られざるパワーを知る
鳥肌必至のニューラルネットワークによる近未来の画像認識技術を体験し、IoTの知られざるパワーを知る
Kazuki Nakajima
TensorFlow, ImageNetを使った画像認識技術と、構造化データの機械学習技術について。
機械学習モデルの判断根拠の説明(Ver.2)
機械学習モデルの判断根拠の説明(Ver.2)
Satoshi Hara
【第40回AIセミナー】 「説明できるAI 〜AIはブラックボックスなのか?〜」 https://www.airc.aist.go.jp/seminar_detail/seminar_040.html 【講演タイトル】 機械学習モデルの判断根拠の説明 【講演概要】 本講演では、機械学習モデルの判断根拠を提示するための説明法について紹介する。高精度な認識・識別が可能な機械学習モデルは一般に非常に複雑な構造をしており、どのような基準で判断が下されているかを人間が窺い知ることは困難である。このようなモデルのブラックボックス性を解消するために、近年様々なモデルの説明法が研究・提案されてきている。本講演ではこれら近年の代表的な説明法について紹介する。
タコス De 機械学習 ~パーセプトロンを実装してみよう~
タコス De 機械学習 ~パーセプトロンを実装してみよう~
Suyama Ikuo
タコス De 機械学習 by エンジニアのための機械学習ゼミ
キンドリル ネットワークアセスメントサービスご紹介 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
キンドリル ネットワークアセスメントサービスご紹介 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
キンドリルネットワークアセスメントサービス
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
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。
More Related Content
Similar to ニューラルネットワーク.pptx
人工知能の可能性と限界
人工知能の可能性と限界
Youichiro Miyake
11月25日の講演資料です。
20160601画像電子学会
20160601画像電子学会
nlab_utokyo
20160601画像電子学会
立教大学講義「デジタルゲームの人工知能」
立教大学講義「デジタルゲームの人工知能」
Youichiro Miyake
立教大学における 2019年11月12日の講義の資料です。
ネットからリアルへ人工知能の進出(前半)
ネットからリアルへ人工知能の進出(前半)
Youichiro Miyake
箱庭からネットへ、ネットからリアルへ、 人工知能が実体をもって実社会・実世界へ進出する経緯を説明します。
人工知能を用いた医用画像処理技術
人工知能を用いた医用画像処理技術
Yutaka KATAYAMA
機械学習 概論
ゲームAIと人工生命
ゲームAIと人工生命
Youichiro Miyake
CQ出版における講演資料です。
cnnstudy
cnnstudy
AsukaYagami
2018年4月30日CNN勉強会でまとめた資料です。
デジタルゲームにおける人工知能技術
デジタルゲームにおける人工知能技術
Youichiro Miyake
オリエンテーションにおけるAI技術の説明と、 研究課題の説明です。
今さら聞けないITエンジニアのための人工知能
今さら聞けないITエンジニアのための人工知能
Keisuke Tameyasu
ITシステムの開発を主にやっています。為安圭介です。 数年間、ITシステム開発のリーダという役割をいただいて、数十名のチーム運営を経験してきました。 今回、遅ればせながらAIに関する勉強を始めました。なんとなくわかった気になっていたAIについて、自分でまとめてみると驚くほど知らないことが多かったように感じます。 今さらですが、書店にあって立ち読みで済ませていた 「松尾 豊(著)@KADOKAWA『人工知能は人間を超えるか』」を購入し、その内容を自分の理解の範囲で簡単にまとめてみました。 これからAIについてビジネスを始めるITエンジニアの方々にも少しは理解できるものになっていると思います。 さて、このスライドをまとめるための時間は、最近アニメが復活したという噂を聞いてなんとなく読み直した「封神演義 ※崑崙山VS金鰲島~紂王が我に返るまで」+「DQ11 セーニャを仲間にする(2)まで」でした。 十二仙でも歯が立たなかった無敵の聞仲と崑崙の教主、元始天尊の戦いは熱かった。その後の武成王と聞仲のやり取りから、太公望との原始的な戦い・・・ DQ11をやったことがある人なら、この『(2)』の意味もわかるでしょう。個人的には1の方が良かったのですが。デルカダール神殿をクリアしたのが8月だったのに、2ヶ月経った今もまだセーニャとは・・・
明治大学「ゲーム研究の新時代に向けて」講演資料(上)
明治大学「ゲーム研究の新時代に向けて」講演資料(上)
Youichiro Miyake
明治大学「ゲーム研究の新時代に向けて」 http://sauvage.jp/archives/3795 講演資料(前篇)です。
コンピュータのソフトとハードの境界、そしてIoTへ
コンピュータのソフトとハードの境界、そしてIoTへ
Junichi Akita
数理の翼伊計島セミナー2018での講義資料。ムーアの法則、製造ばらつき、Lチカ、Make、深セン、MakeLSI:
20150414seminar
20150414seminar
nlab_utokyo
ディープ・ラーニングと 画像処理・画像解析セミナー (2015年4月14日)
Implant device
Implant device
Kenyu Uehara
授業の課題で技術ロードマップを作れというものがあったので適当に作りました. 研究ブログはこちら: https://kenyu-life.com/ Created by 上原賢祐
『人工知能のための哲学塾 at ゲンロンカフェ』 講演資料
『人工知能のための哲学塾 at ゲンロンカフェ』 講演資料
Youichiro Miyake
2019年2月8日「人工知能のための哲学塾 at ゲンロンカフェ」登壇させて頂きました。 ニコ生 http://live2.nicovideo.jp/watch/lv318150103 サイト https://genron-cafe.jp/event/20190208/
深層学習と音響信号処理
深層学習と音響信号処理
Yuma Koizumi
小泉 悠馬, "深層学習と音響信号処理," 第16回ICTイノベーションセミナー at 首都大学東京, 招待講演, 2018.
2016年夏の自由研究
2016年夏の自由研究
yukihiro sakai
自由研究 Keynoteからアップしたら日本語消えた。 pptに変換してアップするとなんかフォント変。
Py conkyushu2018
Py conkyushu2018
ssuseraac758
初心者向け、Pythonで始める人工知能入門の資料です。 人工知能の説明と、ニューラルネットワーク の解説、簡単な画像識別装置を Google の Colab と Keras を使った実装の仕方を紹介しています。
鳥肌必至のニューラルネットワークによる近未来の画像認識技術を体験し、IoTの知られざるパワーを知る
鳥肌必至のニューラルネットワークによる近未来の画像認識技術を体験し、IoTの知られざるパワーを知る
Kazuki Nakajima
TensorFlow, ImageNetを使った画像認識技術と、構造化データの機械学習技術について。
機械学習モデルの判断根拠の説明(Ver.2)
機械学習モデルの判断根拠の説明(Ver.2)
Satoshi Hara
【第40回AIセミナー】 「説明できるAI 〜AIはブラックボックスなのか?〜」 https://www.airc.aist.go.jp/seminar_detail/seminar_040.html 【講演タイトル】 機械学習モデルの判断根拠の説明 【講演概要】 本講演では、機械学習モデルの判断根拠を提示するための説明法について紹介する。高精度な認識・識別が可能な機械学習モデルは一般に非常に複雑な構造をしており、どのような基準で判断が下されているかを人間が窺い知ることは困難である。このようなモデルのブラックボックス性を解消するために、近年様々なモデルの説明法が研究・提案されてきている。本講演ではこれら近年の代表的な説明法について紹介する。
タコス De 機械学習 ~パーセプトロンを実装してみよう~
タコス De 機械学習 ~パーセプトロンを実装してみよう~
Suyama Ikuo
タコス De 機械学習 by エンジニアのための機械学習ゼミ
Similar to ニューラルネットワーク.pptx
(20)
人工知能の可能性と限界
人工知能の可能性と限界
20160601画像電子学会
20160601画像電子学会
立教大学講義「デジタルゲームの人工知能」
立教大学講義「デジタルゲームの人工知能」
ネットからリアルへ人工知能の進出(前半)
ネットからリアルへ人工知能の進出(前半)
人工知能を用いた医用画像処理技術
人工知能を用いた医用画像処理技術
ゲームAIと人工生命
ゲームAIと人工生命
cnnstudy
cnnstudy
デジタルゲームにおける人工知能技術
デジタルゲームにおける人工知能技術
今さら聞けないITエンジニアのための人工知能
今さら聞けないITエンジニアのための人工知能
明治大学「ゲーム研究の新時代に向けて」講演資料(上)
明治大学「ゲーム研究の新時代に向けて」講演資料(上)
コンピュータのソフトとハードの境界、そしてIoTへ
コンピュータのソフトとハードの境界、そしてIoTへ
20150414seminar
20150414seminar
Implant device
Implant device
『人工知能のための哲学塾 at ゲンロンカフェ』 講演資料
『人工知能のための哲学塾 at ゲンロンカフェ』 講演資料
深層学習と音響信号処理
深層学習と音響信号処理
2016年夏の自由研究
2016年夏の自由研究
Py conkyushu2018
Py conkyushu2018
鳥肌必至のニューラルネットワークによる近未来の画像認識技術を体験し、IoTの知られざるパワーを知る
鳥肌必至のニューラルネットワークによる近未来の画像認識技術を体験し、IoTの知られざるパワーを知る
機械学習モデルの判断根拠の説明(Ver.2)
機械学習モデルの判断根拠の説明(Ver.2)
タコス De 機械学習 ~パーセプトロンを実装してみよう~
タコス De 機械学習 ~パーセプトロンを実装してみよう~
Recently uploaded
キンドリル ネットワークアセスメントサービスご紹介 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
キンドリル ネットワークアセスメントサービスご紹介 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
キンドリルネットワークアセスメントサービス
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
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。
Generating Automatic Feedback on UI Mockups with Large Language Models
Generating Automatic Feedback on UI Mockups with Large Language Models
harmonylab
Generating Automatic Feedback on UI Mockups with Large Language Modelsを和訳紹介したものです
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
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.
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
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---
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
Humanoid Virtual Athletics Challenge2024 技術講習会 スライド
tazaki1
HVAC2024第1回 技術講習会 スライド
This is the company presentation material of RIZAP Technologies, Inc.
This is the company presentation material of RIZAP Technologies, Inc.
chiefujita1
RIZAPテクノロジーズ株式会社の会社説明資料です。
論文紹介:Deep Learning-Based Human Pose Estimation: A Survey
論文紹介:Deep Learning-Based Human Pose Estimation: A Survey
Toru Tamaki
Ce Zheng, Wenhan Wu, Chen Chen, Taojiannan Yang, Sijie Zhu, Ju Shen, Nasser Kehtarnavaz, Mubarak Shah, "Deep Learning-Based Human Pose Estimation: A Survey" arXiv2020 https://arxiv.org/abs/2012.13392
生成AIが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
生成AIが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。
「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
「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)
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~ 2024/6/12~14まで幕張メッセで開催されました、インターロップ併設アプリジャパンの展示会場内ROOM Bで、10:30~11:10の枠で登壇させてもらいましたセッション資料を公開します。
Recently uploaded
(10)
キンドリル ネットワークアセスメントサービスご紹介 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
キンドリル ネットワークアセスメントサービスご紹介 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
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
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
Generating Automatic Feedback on UI Mockups with Large Language Models
Generating Automatic Feedback on UI Mockups with Large Language Models
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
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---
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---
Humanoid Virtual Athletics Challenge2024 技術講習会 スライド
Humanoid Virtual Athletics Challenge2024 技術講習会 スライド
This is the company presentation material of RIZAP Technologies, Inc.
This is the company presentation material of RIZAP Technologies, Inc.
論文紹介:Deep Learning-Based Human Pose Estimation: A Survey
論文紹介:Deep Learning-Based Human Pose Estimation: A Survey
生成AIが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
生成AIが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
「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
「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
ニューラルネットワーク.pptx
1.
AIの中身を大解明?! ニューラルネットワークの説明 hiro.
2.
Introduction hiro. ・東京大学工学部航空宇宙工学科卒 ・国家公務員技術系 ・将来は数値予報の改善をしたい ・好きな雲…Ci ・好きな天気図…FXJP854 ・好きな物理科目…熱力学 ・好きな動物…ペンギン よろしくお願いします!
3.
Introduction 「AIって、よく聞くけど、何だろう、難しそう!」 っていうのが正直なところかと思います。 今日は、AIの中身であり、気象予報士試験でも登場する 「ニューラルネットワーク」の仕組みについて解説したいと思います。 ニューラルネットワークは、AIの手法であるDeep Learning(深 層学習)のメカニズムです。 hiro.が画像生成AI「Stable Diffusion」を使って描いた絵。 ChatGPTとか、AIの勃興は目覚ま しいですね!
4.
Table of Contents 1.ニューラルネットワークと非線形について 2.AIは「微分」している?! 3.微分を使うと、自動的に「魔法の箱」を作ってくれる! 理系的な素養は極力使わず説明するよ!
5.
Table of Contents 1.ニューラルネットワークと非線形について 2.AIは「微分」している?! 3.微分を使うと、自動的に「魔法の箱」を作ってくれる! 「非線形」って何度も聞いたけど、一体何?
6.
ニューラルネットワークとは? ニューラルネットワークとは、人の脳神経細胞である ニューロンを模してつなぎ合わせた人工的な脳神経回路ネットワークのことです。 左のような分類問題を解くこと ができ、入力データに対して適 切な出力データをはじき出すこ とが出来ます。この時、「非線 形」な分類法を使っているのが 特徴的です。
7.
「非線形」について 「非線形」は簡単に言うと、「比例しない」ということです。直線関係、比例 関係にあるものを線形、そうではない曲線的な関係のことを非線形といい ます。
8.
AIは「分類問題」を解いている AIにも幾つか種類がありますが、ニューラルネットワークでは主に「分類問 題」を解いています。つまり、境界線を引いて区別しているということです。 その時、曲線を引いて自由に境界を決められた方が自由度が高いですよ ね、それを実現しているのが、ニューラルネットワークなのです。 →非線形の実現方法とは??? 人 犬 犬 人 線形 非線形
9.
パーセプトロンについて パーセプトロンとは、ニューラルネットワークの一部の アルゴリズムであり、複数の信号を入力として受け 取り、ひとつの信号を出力します。 〇がニューロン、又はノードと呼ばれ、wが「重み」、 bが「バイアス」と呼ばれます。ニューロンでは、送ら れてきた信号の総和が計算され、その総和が限界 値を超えた場合にのみ1(そうでない場合には 0)を出力します。1の時を「ニューロンが発火す る」と表現します。 これ一個では、一次関数なので線形な分類問題 を解くことが出来ます。
10.
多層パーセプトロンについて 多層パーセプトロンでは、層を多重に組み合わせ て出力を出します。 単層パーセプトロンが一次関数的だったのに対し て、一次関数の層を二回以上通しているので、掛 け算で曲線的な分類問題を解くことが可能です。 つまり、層を重ねることで、非線形な分類問題を 解くことが出来るようになったということです。これが ニューラルネットワークの重要な性質の内の1つで す。
11.
AIがやりたいこと AIは、ニューラルネットワークの何処の道を太くして、 何処の道を細くしたら目的の出力を出してくれるか、 という、「関数」と呼ばれるものを作りたい。 「関数」とは、「こんな絵を描いて!」と言ったら、 「描いたよ!」と言って目的のものを作ってくれる、 魔法の箱のようなもの。 この、どの道を太くして、どの道を細くしたら良いか、 というのを昔は人間が「チューニング」していたのです が、全部機械が自動でやってくれるというのがAIの 凄いところであり、AIがやりたいこと。
12.
Table of Contents 1.ニューラルネットワークと非線形について 2.AIは「微分」している?! 3.微分を使うと、自動的に「魔法の箱」を作ってくれる! AIは「微分」しているって覚えて帰って!
13.
AIは「微分」している?! 微分とは…勾配を求める演算のこと。 微分した値が大きいほど勾配が大きく、微分した 値が0に近づくほど勾配が小さくなります。
14.
AIの「微分」のイメージ AIは「微分」によって、勾配を求め、一番低いところを目指しま す。一番低いところを目指す筈が、ちょっとした山の谷で止まっ てしまうこともあります。これを「局所最適解」、最も低いところ を「大域最適解」と言います。
15.
AIの「微分」のイメージ そもそもこのグラフが何かを説明すると、「正 解データ(教師データ)」の出力と現在の モデルの出力の差、になります。つまり、現在 のモデルが正解データに近いほど、このグラフ の値は低くなります。この一番低いところが、 現在のモデルが求めたい「正解データ」を出 す関数であり、そこを目指して微分を進めて いきます。 ぱっと見でグラフを見ると一番低いところが分 かるので、微分をして進めていくことに意味は ないと思われるかもしれませんが、実はこのグ ラフはブラックボックスなのです。計算を進め なければグラフは見えませんが、現在の地点 の勾配だけは分かるのです。よって、このよう な「手探り」の手法が使われています。 下にいくほど「魔法の箱」が完成
16.
Table of Contents 1.ニューラルネットワークと非線形について 2.AIは「微分」している?! 3.微分を使うと、自動的に「魔法の箱」を作ってくれる! 1と2の融合の話だよ!「魔法の箱」の完成!
17.
AIが「魔法の箱」を作るイメージ 粘菌コンピュータと呼ばれるもの。粘菌(生物) が餌を食べる時に手を伸ばすのだが、その時にエネ ルギーロスの少ない最短経路を通る性質を利用し た動画。真ん中が東京で、日本地図と統計に従 って人口の多いところに餌を置くと、粘菌がJRの路 線を完成させたという動画。 AIは、この粘菌のように、目的の関数「魔法の箱」 に向かって、ニューロンの軸を太くしたり細くしたりし ている。
18.
AIが「魔法の箱」を作るイメージ この「魔法の箱」を作る時に使われるのが「微分」 操作です。微分の時に使われるグラフは、ニューラ ルネットワークの「重み」wと「バイアス」bの関数に なっていて、このwとbを変化させるときのグラフの傾 きを調べています。適切なwとbをそれぞれのニュー ロンで求めた結果出来上がるのが、「魔法の箱」と いう訳です。
19.
AIが「魔法の箱」を作るイメージ このようにして作られた「魔法の箱」によって、非線 形な分類を行えるようになります。例えば、「犬」と 「人」を画像からどちらに属するか判別できるように なります。つまり、ニューラルネットワークは、「微分」 することで「魔法の箱」を作り、「非線形」な分類問 題を解けるようになるということです。 人 犬 犬 人 線形 非線形
20.
参考文献 ニューラルネットワークについて、微分操作について など、もっと知識を深めたいという方は、左の文献 をお勧めします。是非、興味があれば読んでみてく ださい。 O’REILLY 「ゼロから作るDeep Learning―Pythonで学ぶディープラ ーニングの理論と実装」 斎藤 康毅
著
21.
CREDITS: This presentation
template was created by Slidesgo, including icons by Flaticon, and infographics & images by Freepik Thank You for Listening!
Download now