研究開発
読者になる
住所
文京区
出身
ハンドル名
TAKさん
ブログタイトル
研究開発
ブログURL
http://blog.livedoor.jp/tak_tak0/
ブログ紹介文
シリコンバレーベンチャーみたいに深い科学技術を事業化したいです。
自由文
「深い技術」をやっています
更新頻度(1年)

72回 / 353日(平均1.4回/週)

ブログ村参加:2007/08/27

TAKさんの人気ランキング

  • IN
  • OUT
  • PV
今日 10/15 10/14 10/13 10/12 10/11 10/10 全参加数
総合ランキング(IN) 圏外 圏外 圏外 圏外 圏外 圏外 圏外 974,920サイト
INポイント 0 0 0 0 0 0 0 0/週
OUTポイント 10 10 10 0 0 0 10 40/週
PVポイント 0 0 0 0 0 0 0 0/週
ベンチャーブログ 圏外 圏外 圏外 圏外 圏外 圏外 圏外 3,970サイト
科学ブログ 圏外 圏外 圏外 圏外 圏外 圏外 圏外 2,255サイト
IT技術ブログ 圏外 圏外 圏外 圏外 圏外 圏外 圏外 7,806サイト
今日 10/15 10/14 10/13 10/12 10/11 10/10 全参加数
総合ランキング(OUT) 54,128位 61,940位 69,932位 84,022位 84,374位 84,099位 84,311位 974,920サイト
INポイント 0 0 0 0 0 0 0 0/週
OUTポイント 10 10 10 0 0 0 10 40/週
PVポイント 0 0 0 0 0 0 0 0/週
ベンチャーブログ 157位 183位 194位 208位 211位 218位 222位 3,970サイト
科学ブログ 108位 142位 161位 198位 202位 194位 193位 2,255サイト
IT技術ブログ 121位 158位 195位 302位 298位 295位 294位 7,806サイト
今日 10/15 10/14 10/13 10/12 10/11 10/10 全参加数
総合ランキング(PV) 圏外 圏外 圏外 圏外 圏外 圏外 圏外 974,920サイト
INポイント 0 0 0 0 0 0 0 0/週
OUTポイント 10 10 10 0 0 0 10 40/週
PVポイント 0 0 0 0 0 0 0 0/週
ベンチャーブログ 圏外 圏外 圏外 圏外 圏外 圏外 圏外 3,970サイト
科学ブログ 圏外 圏外 圏外 圏外 圏外 圏外 圏外 2,255サイト
IT技術ブログ 圏外 圏外 圏外 圏外 圏外 圏外 圏外 7,806サイト

TAKさんのブログ記事

1件〜30件

新機能の「ブログリーダー」を活用して、TAKさんの読者になりませんか?

ハンドル名
TAKさん
ブログタイトル
研究開発
更新頻度
72回 / 353日(平均1.4回/週)
読者になる
研究開発
  • U-GAT-IT:教師なし画像変換向けAdaLIN付きGAN

    学習したモデルでの実行結果を見ると、cyclegan , UNIT などに比べれば、U-GAT-ITは比較的、期待するような変換を学習出来ているような気はします。U-GAT-IT: Unsupervised Generative Attentional Networks with Adaptive Layer-Instance Normalization for Image-to-Imag

  • UGATITで独自モデルの学習方法

    U-GAT-IT: Unsupervised Generative Attentional Networks with Adaptive Layer-Instance Normalization for Image-to-Image Translationpdf: https://t.co/sGRb9e4czr abs: https://t.co/bT9DF7Fvs8Github: https://t.co/F1QM75HIVk pic.twitter.com/VRVF1fJAmL— roadrunn

  • ポケモン経験が活性化する脳領域に関する知見

    研究を理解する為に前提を結構理解する必要があると思うのですが、その辺りを全然理解しない人が多そうです。幼少期にポケモンにはまった人は、脳に「特化した領域」が出来ている:研究結果 https://t.co/fvjmXrx4hK #最新記事— WIRED.jp (@wired_jp) 2019年9月8日5月の

  • 人工知能研究の「再現性」危機について

    言われてるな、心理学・認知神経科学界隈で猛威を振るった「論文の再現性がない」問題が機械学習(というかDeep Learning)界隈に延焼してくるまで5年もかからなかったっぽい https://t.co/D9A0NLC6sU— TJO (@TJO_datasci) September 18, 2019 Joelle Pineau研究室では、

  • Transformer言語モデルによる抽出型抽象的文書要約

    いよいよ要約生成の論文の要約が提案手法で書かれる時代が来た。重要文をPointerNetworkで抜き出した後、導入、重要文、要約、本文の順に並べた文書生成を自己注意機構ベース言語モデルで学習。推論時は導入、重要文で条件付して要約を生成する。https://t.co/BzQFcPMZdc— D

  • TecoGANの実装方法

    まずレポジトリに書いてある通り、以下のインストールが必要ですがやはりそれ以外にも書いていない事が多々あります。pip3 install --ignore-installed --upgrade tensorflow-gpu pip3 install -r requirements.txtpython3 runGan.py 0まずこれではモデルと画像をダウン

  • 教師なしセグメンテーションReDOモデルの学習方法

    GANの仕組みでセグメンテーションタスクを解く新たな試み教師あり学習と比べても、様々な実データセットで良いパフォーマンスを発揮現在の課題として浮かび上がっている教師データの不足を補うアイデアとして面白い https://t.co/VTR2w77Lg5— AI-SCHOLAR. (@ai_scholar) 201

  • Task2Vec の計算方法

    Task2Vec: Task Embedding for Meta-Learning https://t.co/vnRhIsZNrU 画像分類を行なったネットワークの学習したタスクを特徴抽出器のFIMを用いて埋め込む。Task2Vecを用いて新しいタスクに対して有用な特徴抽出器を選択することができる。 pic.twitter.com/8c754kTB6k—

  • 独自データセットでAmazon Forecastの実行方法

    Amazon Forecast 開発者ガイド この通りですが、やはり上手く行かない事が幾つもありました。まずデータのインポートでData schemaが、 "Attributes": [  {   "AttributeName": "item_id",   "AttributeType": "string"  }, {   "AttributeName":

  • ERNN の原理と詳細手法

    RNNの時間遷移関数として、現在の状態と入力で定義されるODEの均衡点を返す関数を使うと、どれだけ遷移しても勾配が全く発散/消失せず、状態は均衡多様体上で安定して遷移できる。重要な問題を本質的に解決しておりRNNや深いNNのすごく大きなブレークスルーと思う。https://t

  • ターゲティングとプライバシーの両立を実現するfederated learningの解説

    Googleが「ユーザー情報を保護しつつ広告の関連性も損なわない」仕組みの開発を行うと宣言https://t.co/04EPGG03QU— GIGAZINE(ギガジン) (@gigazine) August 23, 2019 まず前提として、幅広く、また直接的ではない様々な要因があります。ユーザーに関連性がある広告を

  • MUNITの実行方法

    MUNITの実装、実行はしてなかったんですが他との効果等を比較したかったので確認しました。NVIDIAのフレームワークは共通部分が多く、これもFUNITと大体同じでした。conda install pytorch=0.4.1 torchvision cuda91 -c pytorch;conda install -y -c anaconda pip;co

  • 無線信号を使用した人体の姿勢推定

    Wi-Fiの反射から場所を割り出す技術と言うか、そういう事をやってる会社があると聞いたんですが、どうやってるんでしょうか?Through-Wall Human Pose Estimation Using Radio SignalsMingmin Zhao, Tianhong Li, Mohammad Abu Alsheikh, Yonglong Tian, Hang Zhao, Anto

  • amino acid sonificationの概要と解説

    「タンパク質から音楽を創り出す」という研究が進行中https://t.co/HLJJXIJeLV— GIGAZINE(ギガジン) (@gigazine) June 30, 2019 A Self-Consistent Sonification Method to Translate Amino Acid Sequences into Musical Compositions and Application in Protein Design Us

  • メルカリ利用停止(BAN)のデータ分析とルール化

    メルカリのデータを分析した研究がJournal of Computational Social Scienceに掲載されました.メルカリのヘビーユーザを機械学習で,望ましいユーザと望ましくないユーザに分類し,その特徴を分析しました.https://t.co/AisnQRkAEG— tori tori (@toritorix) August 2, 2

  • Music Inpainting音楽生成の詳細と仕様

    楽譜の欠落した部分の”前後”からその間の”補完”を行う提案 既存の音楽から一部分をあえて削除し補完させることで新しいメロディーアイデアを獲得したり、異なる2つのジャンルの音楽を自然に繋いだりなどが可能 https://t.co/mXAjRxqBZT— AI-SCHOLAR. (@ai_scholar) Ju

  • 独自データセットでFUNITの学習方法

    FUNITのコードが公開されたのでその実行方法です。git clone https://github.com/NVlabs/FUNIT.gitインストールにcondaが必要ですが、pip install conda こうインストールしてはダメ見たいですwget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64

  • 偽情報に対する免疫を与えるフェイクニュースゲーム

    ゲームをプレイするだけで「フェイクニュースのワクチン」を接種できることが判明https://t.co/J2ZzPzoIgq— GIGAZINE(ギガジン) (@gigazine) June 27, 2019 Fake news game confers psychological resistance against online misinformationJon Roozenbeek , Sander van d

  • 不完全情報ゲームで人間に勝つAI

    ついに6人対戦のポーカーでAIがプロのポーカープレイヤーを打ち負かすhttps://t.co/fuTLczgYIK— GIGAZINE(ギガジン) (@gigazine) July 12, 2019 Superhuman AI for multiplayer pokerNoam Brown and Tuomas Sandholm   Carnegie Mellon UniversityScience (2019): eaay

  • 機械学習で有効な汎用的な特徴を含んだデータセットの構築

    画像に対する敵対的摂動で人間に差がわからない変化で予測ラベルが変わるのは、ノイズや過学習のせいではなく、人間には認識できない汎化可能な特徴を捉えているためであり、実際得られた特徴を使った分類は他のデータセットにも汎化する。https://t.co/1YdGJ02BSe— Daisuk

  • FineGANの実行方法

    FineGANのコードですが実行方法はこう書いている通りですが、やはりスマートには実行出来ませんでした。!python main.py --cfg cfg/train.yml --gpu 0  from trainer import FineGAN_trainer as trainer File "finegan/code/trainer.py", line 19, in <module>  

  • 生成と分類を同時に学習するFineGANの仕様と説明

    GANで細分化されたカテゴリーを持つ画像を階層的に生成し、さらに学習した機能を細分化された画像分類タスクに応用する提案 https://t.co/0jQ3TDlfJ5— AI-SCHOLAR. (@ai_scholar) 2019年6月11日 FineGAN: Unsupervised Hierarchical Disentanglement for Fine-Grained Ob

  • 電車内で読まれる書籍の分析2019

    観測期間は2018/7/2 ~2019/6/26でこの間は 836 冊ぐらい記録しました。その内 52/836 ぐらいが図書館図書でした読まれてる本で多かった著者は、このぐらいです 18東野圭吾  9 尾田栄一郎   9 辻村深月 

  • 電車内での携帯電話利用率の実態統計2019/6

    今回観測期間は2019年1月3日~6月26日で記録した数は延べ 7112 人です。前回の分は電車内でのスマートフォン利用率の実態統計2018/12まず全体の数です。 男性 女性   小学生以下中学生高校生若年中年老年 小学生以下中学生高校生若年中年

  • メルカリ出品情報データの傾向分析

    フリマアプリでシェア最大のメルカリですが、実際の「市場」はどうなっているんでしょうか?データ収集の方法ですが,メルカリの出品URLはこういう形式なのでhttps://item.mercari.com/jp/m00000000000/URLを一様にサンプリングする事が出来ます。出品URLの桁数から推定さ

  • FUNITのモデルとデータの詳細仕様

    Check out our new #GAN work on translating images to unseen domains in the test time with few example images.Live demo https://t.co/1y6uBliUwXProject page https://t.co/wLKJihw2LYPaper https://t.co/XdaoapeGzwVideo https://t.co/xJvuizKpVG#NVIDIA pic.twitter

  • GANimorphのモデル詳細と解説

    With the help of @Gwern, the world of image translation is becoming even creepier. https://t.co/qeIOgNyOvy pic.twitter.com/tFLhWHYHqu— Ruben C. Arslan (@rubenarslan) 2018年9月27日Improving Shape Deformation in Unsupervised Image-to-Image TranslationA

  • AutoML Video Intelligenceの使い方

    インフラストラクチャからアプリケーション開発、データ管理、アナリティクス、AI、そしてパートナーシップまで。先週 #GoogleNext19 で発表した数多くの新製品や製品アップデート、ソリューションをまとめてご紹介します??https://t.co/oqE47WKpN9 pic.twitter.com/FFxUnz3D

  • フリマアプリのヒット要因とその背景

    この2,3年でメルカリなどフリマアプリが非常に普及してきましたが、それはどのような理由があるのでしょうか?ユーザレビューから探るメルカリの成功要因中村玄希  鈴木啓  大内紀知  青山学院大学経営情報学会 2018年秋季全国研究発表大会メルカリは、2013年7月

  • Concept Encoderの関連情報検索技術

    【論文を探すAI】創薬研究者が仮説を入力すると関連論文を探すAI FRONTEOヘルスケアが開発、複数の製薬企業が導入へ https://t.co/kqo9JseZzd— 医薬ニュース.com (@iyakunews_com) 2019年4月23日あれはどうやってるんでしょうか?類似性指標値算出装置、類似検索装置

カテゴリー一覧
商用