ニューラルネットの逆襲
岡野原です。Deep Learningが各分野のコンペティションで優勝し話題になっています。Deep Learningは7、8段と深いニューラルネットを使う学習手法です。すでに、画像認識、音声認識、最も最近では化合物の活性予測で優勝したり、既存データ・セットでの最高精度を達成しています。以下に幾つか例をあげます。 画像認識 LSVRC 2012 [html] 優勝チームスライド [pdf],...
View ArticleNIPS2012に行ってきました
先日、NIPS (Neural Information Processing Systems)という学会に参加してきました。今回はその報告です。 NIPSは機械学習の分野においてはトップに位置づけられる会議の一つです。今回、私は特に発表とかはなかったのですが、幸運にも参加することができました。2012年からしばらくは、アメリカ合衆国ネバダ州タホ湖湖岸にあるHarveys HotelとHarrah’s...
View ArticleNIPS2013読み会を開催しました
もう花粉飛んでるらしいですね。比戸です。 昨年開いたICML2013読み会に続き、NIPS2013の論文を紹介する会を開きました。平日夜にも関わらず60名以上の申し込み、50名以上の参加があり、改めて機械学習への興味の高さを裏付けるものとなりました。会場提供にご協力頂いた東大の武田朗子先生、中川裕志先生、および発表者の皆さんありがとうございました。...
View Article第2回全脳アーキテクチャ勉強会でDeep Learningについて講演しました
得居です。1月30日にリクルートGINZA8ビルで開催された第2回全脳アーキテクチャ勉強会にて、Deep Learningについて講演しました。 Deep Learning技術の今 from Seiya Tokui...
View ArticleClik here to view.
顔認証技術: DeepFace と Pyramid CNN
得居です。3月下旬とは思えない寒さに凍えています。 Facebook が CVPR2014 に投稿しアクセプトされていた顔認証に関する論文 [1] が MIT Technology Review にて紹介されたことで注目を集めています。DeepFace...
View ArticlePyData Tokyo Meetup #1でCaffeとmafについて発表しました
10月30日のPyData Tokyo MeetUp #1にて「Caffeとmafを用いたディープラーニング開発・実験方法」というタイトルで発表を行いました。 当日の発表に関する情報はconnpassにまとめられています（私以外の発表の資料へのリンクや当日のUstreamでの配信へのリンクもあります）。また、当日までのtwitterの反応はtogetterにもまとめられています。 PyData...
View ArticleDeep Learningと自然言語処理
クリスマスイブの夜は男三人しかいないオフィスで関数型言語の素晴らしさについて語っていた西鳥羽です。こんにちは。 昨日のPFIセミナーで「Deep Learningと自然言語処理」というタイトルで発表させていただきました。以下がその時の資料です。 この辺りに興味を持たれた方は今度の1月20日に「NIPS 2014 読み会」http://connpass.com/event/10568/...
View ArticleNIPS2014読み会を開催しました
大野です。 先日2015年1月20日に、NIPS2014読み会を開催しました。 当日に関する情報はこちらをご覧ください：connpass, togetter 当日の発表タイトルとインターネット上で入手可能な資料は記事の最後に掲載します（connpassからも入手可能です）。...
View ArticleClik here to view.
オンライン機械学習（機械学習プロフェッショナルシリーズ第1期）発売のお知らせ
お久しぶりです。徳永です。 講談社からオンライン機械学習というタイトルの本が出版されます。著者はPreferred Infrastructure/Preferred Networksの海野, 岡野原, 得居, 徳永の4人です。 機械学習の中でもオンライン機械学習に特化した本で、単純パーセプトロンから始まり、Passive Aggressive, Confidence Weighted, AROW,...
View ArticleDeep Learning のフレームワーク Chainer を公開しました
こんにちは、得居です。最近は毎晩イカになって戦場を駆けまわっています。 本日、Deep Learning の新しいフレームワークである Chainer を公開しました。 Chainer 公式サイト GitHub – pfnet/chainer Chainer Documentation Chainer...
View ArticleClik here to view.
分散深層強化学習でロボット制御
新入社員の松元です。はじめまして。 “分散深層強化学習”の技術デモを作成し、公開いたしました。ロボットカーが0から動作を学習していきます！ まずはこの動画を御覧ください。 以下で、動画の見どころと、使っている技術を紹介します。 動画の見どころ Car...
View ArticleDeep Learningと音声認識
西鳥羽です。こんにちは。 本日セミナーで「Deep Learningと音声認識」という内容で(ustreamで公開されているけども)社内セミナーで紹介させて頂きました。タイトルは前回の「Deep Learningと自然言語処理」に被せてます。 Broadcast live streaming video on Ustream...
View Article巨人たちが語るディープラーニングの未来（翻訳記事）
比戸です。スムージーの美味しい季節ですね。 今回は「ディープラーニングの未来」というパネルディスカッションに関するブログの翻訳をお送りします。なぜなら、この業界の有名人が多数参加していて、かつとても興味深い内容だからです。 そのパネルディスカッションは2015年7月に開かれた機械学習の国際会議、ICML内のディープラーニングワークショップでの企画でした。オリジナルのブログはBrief Summary...
View ArticleClik here to view.
画風を変換するアルゴリズム
Deep Neural Networkを使って画像を好きな画風に変換できるプログラムをChainerで実装し、公開しました。 https://github.com/mattya/chainer-gogh こんにちは、PFNリサーチャーの松元です。ブログの1行目はbotに持って行かれやすいので、3行目で挨拶してみました。 今回実装したのは”A Neural Algorithm of Artistic...
View ArticleChainer Meetup #0 を開催しました。
2015年10月14日に、Chainer Meetup #0を開催しました。 こんにちは、PFI エンジニアの舛岡です(前回の松元さんに習い自己紹介を後ろに書きました)。製品事業部で、何でも屋として仕事をしています。research ブログに投稿する日が来るとは思ってませんでした。 Meet Upの概要 今回のMeet...
View ArticleClik here to view.
深層学習でバラ積みロボットの0から学習
乱雑に積まれた物体を取り出す産業用ロボットの動作を、ディープラーニングで学習しました。 こんにちは、松元です。今回は、国際ロボット展2015にてFANUCブースで出展した「バラ積みロボットの0から学習」について解説したいと思います。 まずは次の動画をご覧ください。 背景...
View ArticleClik here to view.
Chainer Meetup #01 を開催しました
あけましておめでとうございます！PFI舛岡です。12/19にChainer Meetup #01＠スマートニュースを行いました。 参加の倍率が1.8倍と参加するだけでも大変なイベントのようでした。 （ちなみに弊社社員P氏は抽選で落選しました） また参加率も90%以上でとても大盛り上がりのイベントでした。...
View ArticleClik here to view.
CES2016でロボットカーのデモを展示してきました
こんにちは。Preferred Networksの自動運転チームです。 PFNは、2016年1月6日〜1月9日にアメリカのラスベガスで開催されたCES 2016でロボットの学習による自動走行のデモを行いました。これはPreferred Networksとトヨタ自動車様、NTT様との共同展示です。展示はトヨタ自動車様のブースの一部で行われました。...
View Articleカーシミュレータでゼロから学ぶ，自動運転
こんにちは！吉田です．東北大学で博士学生をしています． このたび，Preferred Networks（PFN）で4月・５月と春インターンに参加させていただきました． インターンでは，Deep Deterministic Policy Gradientと呼ばれる強化学習の手法を用いて，TORCSというレースゲーム内で自動車に自動運転を自分で１から学習させるという内容に取り組みました． これは私が以前...
View Article
