ナビゲーションへスキップ コンテンツへスキップ

10001 ideas

Studying Data Science

  • 機械学習
  • 書評
  • programming
メインナビゲーション

カテゴリー: 機械学習

交差エントロピー誤差が-∞になるのを防ぐ

機械学習の本を色々と読んでいるのですが、ふと交差エントロピーの数式を見て誤差が-∞になるじゃん、と今更気づいたので、実際に実装上どのようにして回避しているのかを調べました。 交差エントロピーは以下の式で表されます。 $$ […]

2017年8月29日By Hiroshi 機械学習コメントする

A Neural Network Playground を使ってみた

Tensorflow グループが A Neural Network Playground というブラウザ上でDeep Neural Networkの動きを可視化するツールを出しています。少しいじってみたので、参考までに書 […]

2017年8月27日By Hiroshi DeepLearning, 機械学習コメントする

データサイエンスと機械学習を学ぶのに最適なMOOC

HackerNewsに上がっていた、データサイエンスと機械学習を学ぶのに最適なMOOCというのを抜粋してみます。 https://news.ycombinator.com/item?id=15073441 個人的には、こ […]

2017年8月23日By Hiroshi DeepLearning, MOOC, 機械学習コメントする

Sony製 Deep Learning Framework: Neural Network Consoleを試してみた

ソニーがGUIでDeep Learningアプリケーションを作成するツールを公開しました。 ソニー、ニューラルネットをGUIで設計できる深層学習の統合開発ツールを無償公開   ネットワークを構築する部分がGUI […]

2017年8月20日By Hiroshi DeepLearning, 機械学習コメントする

データサイエンス関係のpodcastをまとめてみた

最近盛り上がりを見せるデータサイエンス界隈。様々なpodcastが存在しているが、あまり言及されることが無いようなのでここでまとめておく。割と更新頻度が高いものを中心に選んだつもりなので、これらを購読すれば聞くものが無い […]

2017年8月5日By Hiroshi podcast, 機械学習コメントする

Character-level Convolutional Networks for Text Classification を読んだ

Character-level Convolutional Networks for Text Classification を読んだ。テキストの分類を文字単位のCNNで行うと、大規模なデータセットでは従来の手法よりも良 […]

2017年7月21日By Hiroshi 機械学習, 論文コメントする

投稿ナビゲーション

ページ 1 … ページ 6 ページ 7
最近の投稿
  • [書評]『 大規模言語モデルは新たな知能か』を読んだ
  • [論文読み] DeepMAD: Mathematical Architecture Design for Deep Convolutional Neural Network
  • ChatGPTの技術を活用して、プレゼンを自動で作るSlidesGPT
  • ChatGPTはプログラマの夢を見るか
  • 【論文読み】Point Transformer
人気記事
  • Batch Normalization と Dropout は併用しない方が良いという話
  • 時系列クラスタリングの研究サーベイ論文を読んだ
  • RNNのDropoutはどこに入れるべきか?:Where to Apply Dropout in Recurrent Neural Networks for Handwriting Recognition?
  • Kerasで転移学習をする際にはpreprocess_input()を呼ぼう
  • Kaggleで人気 XGBoostの論文 「XGBoost: A Scalable Tree Boosting System」を読んだ
  • 大規模データのクラスタリングには Mini Batch K-Means を使うべきという話
  • Windowsで英文形態素解析ツールTreeTaggerを使う
  • 外れ値処理の一手法:Winsorizingについて
  • CNNによるセグメンテーション論文:「U-Net Convolutional Networks for Biomedical Image Segmentation」を読んだ
  • 特徴量エンジニアリングに焦点を当てた簡潔な本:「Feature Engineering for Machine Learning」
アーカイブ
  • 2023年8月
  • 2023年7月
  • 2023年4月
  • 2021年1月
  • 2020年11月
  • 2020年10月
  • 2020年3月
  • 2020年2月
  • 2019年12月
  • 2019年11月
  • 2019年9月
  • 2019年8月
  • 2019年7月
  • 2019年5月
  • 2019年4月
  • 2019年3月
  • 2018年12月
  • 2018年10月
  • 2018年9月
  • 2018年8月
  • 2018年7月
  • 2018年6月
  • 2018年5月
  • 2018年4月
  • 2018年3月
  • 2018年2月
  • 2018年1月
  • 2017年12月
  • 2017年11月
  • 2017年10月
  • 2017年9月
  • 2017年8月
  • 2017年7月
  • 2017年6月
  • 2017年3月
  • 2016年1月
  • 2015年11月
  • 2013年12月
  • 2013年8月
  • 2013年6月
  • 2013年4月
  • 2013年1月
  • 2012年6月
  • 2012年2月
  • 2012年1月
  • 2011年8月
  • 2011年6月
  • 2010年12月
  • 2010年11月
  • 2010年8月
  • 2010年2月
カテゴリー
  • [Machine Learning][paper]
  • C++
  • DeepLearning
  • emacs
  • firefox
  • KDD2018
  • KDD2019
  • Keras
  • MOOC
  • opencv
  • podcast
  • programming
  • python
  • ruby
  • Rust
  • scheme
  • ubuntu
  • データサイエンス
  • テクノロジー
  • ネタ
  • ハードウェア
  • 一人読書会
  • 数学
  • 書評
  • 未分類
  • 機械学習
  • 論文
© 10001 ideas 2023 • ThemeCountry Powered by WordPress
 

コメントを読み込み中…