Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
study before deeplearning @YAPC2015
Search
muddydixon
March 28, 2023
Programming
0
99
study before deeplearning @YAPC2015
muddydixon
March 28, 2023
Tweet
Share
More Decks by muddydixon
See All by muddydixon
企業と勉強会
muddydixon
0
71
basic of data visualization and d3.js demonstration
muddydixon
0
100
d3.js demonstration
muddydixon
0
74
data visualization @html5study
muddydixon
0
87
Time Series Prediction@JubatusCasualTalk2
muddydixon
0
69
Perl for Visualization@YAPC2013
muddydixon
0
90
Time Series Analysis by JavaScript @LLMatsuri2013
muddydixon
0
100
How to create my own Hadoop MultipleInput@HadoopCodeReading8
muddydixon
0
70
BigDataAnalytics beginning by mongo-hadoop@MongoTokyo2012
muddydixon
0
55
Other Decks in Programming
See All in Programming
What's new in Spring Modulith?
olivergierke
1
110
overlayPreferenceValue で実現する ピュア SwiftUI な AdMob ネイティブ広告
uhucream
0
170
AI Coding Meetup #3 - 導入セッション / ai-coding-meetup-3
izumin5210
0
630
階層構造を表現するデータ構造とリファクタリング 〜1年で10倍成長したプロダクトの変化と課題〜
yuhisatoxxx
3
940
CSC509 Lecture 06
javiergs
PRO
0
250
開発生産性を上げるための生成AI活用術
starfish719
1
200
「ちょっと古いから」って避けてた技術書、今だからこそ読もう
mottyzzz
6
3.3k
非同期jobをtransaction内で 呼ぶなよ!絶対に呼ぶなよ!
alstrocrack
0
560
フロントエンド開発に役立つクライアントプログラム共通のノウハウ / Universal client-side programming best practices for frontend development
nrslib
7
3.9k
Things You Thought You Didn’t Need To Care About That Have a Big Impact On Your Job
hollycummins
0
180
開発者への寄付をアプリ内課金として実装する時の気の使いどころ
ski
0
360
NetworkXとGNNで学ぶグラフデータ分析入門〜複雑な関係性を解き明かすPythonの力〜
mhrtech
3
1.1k
Featured
See All Featured
[Rails World 2023 - Day 1 Closing Keynote] - The Magic of Rails
eileencodes
36
2.5k
The Pragmatic Product Professional
lauravandoore
36
6.9k
Gamification - CAS2011
davidbonilla
81
5.5k
Product Roadmaps are Hard
iamctodd
PRO
54
11k
Typedesign – Prime Four
hannesfritz
42
2.8k
The Language of Interfaces
destraynor
162
25k
Designing for humans not robots
tammielis
254
26k
Helping Users Find Their Own Way: Creating Modern Search Experiences
danielanewman
30
2.9k
BBQ
matthewcrist
89
9.8k
How GitHub (no longer) Works
holman
315
140k
How STYLIGHT went responsive
nonsquared
100
5.8k
Rails Girls Zürich Keynote
gr2m
95
14k
Transcript
%FFQ-FBSOJOHͷલʹ ͓͍ͬͯͨ΄͏͕͍͍͜ͱ ʙతɾಈ࡞ݪཧɾߏʙ 1 :"1$"TJB5PLZP !౦ژϏοάαΠτ NVEEZEJYPO
NF 2 ౻େ!NVEEZEJYPO χϑςΟ ϞόΠϧɾ*P5Ϗδωε෦ +BWB4DSJQU1FSM σʔλલॲཧσʔλղੳ ࣌ܥྻ༧ଌσʔλՄࢹԽ
ࣗݾհ 3 ౻େ!NVEEZEJYPO χϑςΟ ϞόΠϧɾ*P5Ϗδωε෦ +BWB4DSJQU1FSM σʔλલॲཧσʔλղੳ ࣌ܥྻ༧ଌσʔλՄࢹԽ *P5 new
ࣗݾհ 4 ౻େ!NVEEZEJYPO χϑςΟ ϞόΠϧɾ*P5Ϗδωε෦ +BWB4DSJQU1FSM σʔλલॲཧσʔλղੳ ࣌ܥྻ༧ଌσʔλՄࢹԽ *P5 new
ةͳ͍ʂ όζϫʔυͩʂ
5 あれ?
ࣗݾհ 6 ౻େ!NVEEZEJYPO χϑςΟ ϞόΠϧɾ*P5Ϗδωε෦ +BWB4DSJQU1FSM σʔλલॲཧσʔλղੳ ࣌ܥྻ༧ଌσʔλՄࢹԽ *P5 new
ࣗݾհ 7 new ౻େ!NVEEZEJYPO χϑςΟ ϞόΠϧɾ*P5ɾ ϏοάσʔλϏδωε෦ +BWB4DSJQU1FSM σʔλલॲཧσʔλղੳ ࣌ܥྻ༧ଌσʔλՄࢹԽ
*P5
8 はい
*P5ͷʮ*ʯΛΧλνʹ 9
10
8FBSFIJSJOH 11 大事なことなので2回いいます IoTのファームウェアを書いたり いろんなところとパートナーとして ものづくりできます 採用しています @muddydixon までお声がけください
ຊɺ%FFQ-FBSOJOHͷલʹ ͓͍ͬͯͨํ͕͍͍ χϡʔϥϧωοτϫʔΫͷΛ͠·͢ 12 ͓͜ͱΘΓ
%FFQ-FBSOJOH࠷৽ͷΞΧσϛοΫͳ ͠·ͤΜ Ͱ͖·ͤΜ 13 ͓͜ͱΘΓ
ઈରʹ͠·ͤΜ 14 ͓͜ͱΘΓ
%FFQ-FBSOJOHʹ͔͠ڵຯ͕ແ͍Αʂ ͱ͍͏ํ1'*1'/ͷ4MJEFTIBSFΛ ηογϣϯதɺӾཡ͢Δ͜ͱΛ Φεεϝ͠·͢ 15 ͓͜ͱΘΓ
16 http://www.slideshare.net/pfi/
17
18
19 ന
~Todays Topics~ 神経細胞(ニューロン)の話 認知科学・脳科学との関係の話 Artificial Neuralnetworkの 歴史・原理・支えるアルゴリズム 20
ૉͳ͕ٙɾɾɾ 21 ※ (2015/08/22 ه) ͦͷޙɺன৯࣌ʹchezou͞Μͱஊ͠·ͨ͠
.ZXPSLTBCPVU/FVSBM/FUXPSLT 22 語彙獲得のニュラルネットワークモデルの構 築と背景メカニズムの推定 ヒトは文法/語彙獲得の認知的機構 文法に基づく語彙のグラウンディング
.ZXPSLTBCPVU/FVSBM/FUXPSLT 23 Computer Simulations Psychological Experiments Neuro Science
.ZXPSLTBCPVU/FVSBM/FUXPSLT 24 6層ネットワーク 再帰的ニューラルネットワーク Elman Network 自己組織化マップ Self-organizing map 自然文(量子化された単語列)の提示
次単語の予測課題
.ZXPSLTBCPVU/FVSBM/FUXPSLT 25 「SV.」と「SVO.」ではSVの習得度が高い 文脈習得後は、新奇のO(目的語)を提示した 場合でもV(動詞)の情報を元に適切なカテゴ リの賦活を示す 文末の予測精度が最初から高い 語順がロバストな入力(e.g.英語)と語順が不 安定な入力(e.g.トルコ語)を比較すると、ロ バストのほうが学習にかかる時間が短い
言語発達のフィールドワークの結果にそぐっ ている
.ZXPSLTBCPVU/FVSBM/FUXPSLT 26 Symbol Grounding Word2Vec: 「単語」を「単語」で接地する 研究: 「単語」を「文脈」で接地する 主語: I/You
自動詞: run 他動詞: eat/drive 食物: apple/orange 乗物: car/airplane
ͪͳΈʹ 27 証跡が残っていない(外付けHDDで飛んだ) Dropout(意図的に接続を省いて出力する) 出力を自身に再入力する文生成 ライブラリ化(今のようなモダンなやり方 ではない) などを2012-2017の5年間(修士・博士※1)で やっていました ※1:単位取得中退
なので最終学歴は修士
28
29 元気に歩き回れてないですが 僕です
8IBUJT /FVSBM/FUXPSL
8IBU 31 ਓؒͷਆܦઢҡࡉ๔ χϡʔϩϯ ͷ฿ https://ja.wikipedia.org/wiki/%E3%82%B7%E3%83%8A%E3%83%97%E3%82%B9
৴߸ୡͷΈ 32 ଞͷࡉ๔ γφϓεલࡉ๔ ͔ΒͷԽֶ࣭ͷൻʹΑ Γγφϓεޙࡉ๔ͷड༰ث͕ܹΛड͚ ΠΦϯνϟϯωϧ͕։͖ిҐ͕ൃੜ ిؾ৴߸ͱͯ࣠͠ࡧΛ௨Γ ׆ಈిҐ͕࣠ࡧऴʹ౸ୡɺਆܦୡ࣭Λൻ ҎԼɺ܁Γฦ͠
ਓޱχϡʔϩϯ 33 લड़ͷਆܦ৴߸ͷୡΛ؆ུԽ͠ɺ લஈͷࡉ๔ͷ׆ಈdγφϓεʹ͓͚Δड༰ମʹΑ Δ׆ಈ લஈͷ׆ಈʹ͔ͷؔΛద༻ͨ͠ͷΛୡ xw σ(x)
x0 x1 x2 y w0 w1 w2
)JTUPSZ 34 ܗࣜχϡʔϩϯ QEG ύʔηϓτϩϯ QEG ୯७ύʔηϓτϩϯͷݶքʹ͍ͭͯͷࢦఠ ࣗݾ৫ԽϚοϓ
QEG ϗοϓϑΟʔϧυωοτϫʔΫ ϘϧπϚϯϚγϯ ੍ݶϘϧπϚϯϚγϯ QEG ޡࠩٯൖ๏ QEG ࠶ؼχϡʔϥϧωοτϫʔΫ QEG %FFQ#FMJFG/FU QEG
ڭࢣ৴߸ʹݟΔχϡʔϥϧωοτϫʔΫͷྨ 35 ڭࢣ͋Γֶश ೖྗʹରͯ͠ٻΊΒΕΔ͕ܾ͑·͍ͬͯΔ ڭࢣͳֶ͠श ೖྗʹର͕ܾͯ͑͠·͍ͬͯͳ͍
ڭࢣ৴߸ʹݟΔχϡʔϥϧωοτϫʔΫͷྨ 36 ڭࢣ͋Γֶश ೖྗʹରͯ͠ٻΊΒΕΔ͕ܾ͑·͍ͬͯΔ ύʔηϓτϩϯɺσΟʔϓϥʔχϯά ࠶ؼωοτϫʔΫ ڭࢣͳֶ͠श ೖྗʹର͕ܾͯ͑͠·͍ͬͯͳ͍ ࣗݾ৫ԽϚοϓɺχϡʔϥϧΨε
ڭࢣ৴߸ʹݟΔχϡʔϥϧωοτϫʔΫͷྨ 37 ڭࢣ͋Γֶश ೖྗʹରͯ͠ٻΊΒΕΔ͕ܾ͑·͍ͬͯΔ ύʔηϓτϩϯɺσΟʔϓϥʔχϯά ࠶ؼωοτϫʔΫ ೖग़ྗͷؔؔΛ࠶ݱ͢Δ ڭࢣͳֶ͠श ೖྗʹର͕ܾͯ͑͠·͍ͬͯͳ͍ ࣗݾ৫ԽϚοϓɺχϡʔϥϧΨε
ೖྗͷ౷ܭతಛྔΛֶश͢Δ
ʮֶशʯͱ 38 χϡʔϩϯؒ ؒͷΈɺશ݁߹ɺͳͲͷ੍ ͋Δ ͷγφϓεؒͷୡޮΛνϡʔ χϯά͢Δ͜ͱ ϊΠζ͕͍ͬͯΔɺ֬తͳೖྗʹ͓͚Δ ؔͷ࠶ݱɾಛྔͷ࠶ݱ ➜ΑΓʮޮతʯͳಛྔͷ֫ಘ
ɹ➜൚Խੑೳ աֶशͰͳ͍ ͷ֫ಘ
39 χϡʔϥϧωοτϫʔΫͷ ͍͍ͱ͜ΖɾΘΔ͍ͱ͜Ζ
χϡʔϥϧωοτϫʔΫͷ͍͍ͱ͜Ζɾѱ͍ͱ͜Ζ 40 ҙͷ࿈ଓؔΛۙࣅ %FFQ-FBSOJOH ಛநग़ࣗମΛߦ͑Δ ैདྷਓखͰϧʔϧ࡞Γɾ੍ͮ͘Γ
χϡʔϥϧωοτϫʔΫͷ͍͍ͱ͜Ζɾѱ͍ͱ͜Ζ 41 ؔࣸ૾Ͱ͖͕ͨɾɾɾࢄදݱ EJTUSJCVUFEJNQMJDJUSFQSFTFOUBUJPO ͷղ ऍͬ͞ͺΓΘ͔Βͳ͍ͱ͜Ζ 1$"ɺઢܗ ճؼͳΒ͔Βղऍ͢Δ͜ͱ͕Ͱ͖ͨͷ ʹɾɾɾ
42 χϡʔϥϧωοτϫʔΫͷ༻్
Ԡ༻ 43 ֶతͳԠ༻ ࣗવݴޠॲཧ ύλʔϯೝࣝ ҟৗݕ ೝػೳͷղ໌ͷ༻్ ͷ׆ಈͷ࠶ݱ γϛϡϨʔγϣϯʹΑΔೝػߏͷղ໌ ࢲͪ͜Β
ೝػೳղ໌ͷϩδοΫ ࢲͷ߹ 44 ൃୡݚڀɾ৺ཧ࣮ݧ ಛఆͷϑΟʔϧυʹ͓͚Δൃୡ࣌ظͷҧ͍ɺදͷҧ͍ͷ؍ ಛఆͷೝత՝ʹΑΓߦಈͷมԽͷ؍ଌ ➜ڥɾܹʹΑΓࠩҟΛੜͤ͡͞ΔೝػೳΛࣔࠦ ׆ಈͷݚڀ ೝػೳΛར༻͢ΔͰ͋Ζ͏ೝత՝ʹΑΓො׆͢Δ෦Ґ લ಄༿ɾ಄
༿ɾଆ಄༿ͳͲ ͷಛఆ ➜ೝత՝ʹؔ͢ΔೝػೳΛ୲͏ث࣭తͳଘࡏΛࣔࠦ ܭࢉػγϛϡϨʔγϣϯ ث࣭తͳߏ࿈݁Λʮ͋Δఔʯۙࣅ͠ɺೖྗܹΛίϯτϩʔϧ͢Δ ͜ͱͰɺಉ༷ͷ৺ཧ࣮ݧൃୡݚڀΛఆੑతʹ࠶ݱ ➜ʮఆͨ͠ΞʔΩςΫνϟʹΑͬͯʯ࠶ݱ͢Δ͜ͱ͕ՄೳͰ͋Δ͜ͱΛ ࣔ͢ ඞͣͦ͏ͩɺͱ͍͏͜ͱݴ͑ͳ͍
)PX/FVSBM/FUXPSL 8PSLT
)JFSBSDIJDBM /FVSBM/FUXPSL
తʹ͍͏ͱ 47 ೖग़ྗʹ͓͚Δ݁߹ՙॏ ͷνϡʔχϯά ೖग़ྗͷؔΛޮΑ͘ ࠶ݱͰ͖ΔΑ͏ʹใ ΛѹॖɾಛΛநग़ input layer hidden
layer output layer input signals teacher signal
ྫ͑ 48 ?ͷೖग़ྗΛ࣮ݱ͢ ΔؔΛ࠶ݱ͢ΔͨΊ ʹೖग़ྗͷ౷ܭత ใΛಛ ߏ Λநग़͢ Δඞཁ͕͋Δ input
layer hidden layer output layer input signals teacher signal
'FFE'PSXBSE1SPQBHBUJPO 49 М T ʹγάϞΠυۂઢਖ਼͕ΘΕΔ ࠷ۙ3FDUJGJFE-JOFBS6OJU͕Α͘ΘΕΔΒ͍͠Ͱ͢ https://ja.wikipedia.org/wiki/׆ಈిҐ
50
#BDL1SPQBHBUJPO 51 ͜ͷΞϧΰϦζϜʹ ΑΓଟԽ͕Մೳʹ ҙͷ࿈ଓؔͷۙ ࣅ͕Ͱ͖Δ ऑ ऩଋ͕͍ 51 input
layer hidden layer output layer input signals teacher signal
ޡࠩٯൖ๏ಋग़γάϞΠυؔͷ߹ 52
ޡࠩٯൖ๏ಋग़γάϞΠυؔͷ߹ ଓ͖ 53
&MNBO/FUXPSL 54 ੈલͷதؒͷࢄදݱΛೖ ྗ จ຺ ͱͯ͠ɺೖྗͱͱ ʹֶशΛ܁Γฦ͢ Ұํͷୡܦ࿏Ͱ͋Δ ͨΊޡࠩٯൖ๏ͰֶशՄೳ Copy
Context Layer Input Layer Hidden Layer Output Layer
+PSEBO/FUXPSL 55 ੈલͷग़ྗͷදݱΛೖྗ จ ຺ ͱͯ͠ɺೖྗͱͱʹֶ शΛ܁Γฦ͢ Ұํͷୡܦ࿏Ͱ͋Δ ͨΊޡࠩٯൖ๏ͰֶशՄೳ Copy
Context Layer Input Layer Hidden Layer Output Layer
࣍୯ޠ༧ଌֶश 56 次の入力を予測するような学習を行い、かつ、 文脈の情報を入力として利用することで、系 列からの特徴抽出を強いる 予測誤差をエンコードするニューロンの存在 の示唆 Copy Context Layer
Input Layer Hidden Layer Output Layer
4FMG0SHBOJ[JOH .BQ
4FMG0SHBOJ[JOHNBQ 58 ੜͷʹॱংؔ ͕ҡ࣋͞ΕΔ৫Խ ͞ΕͨϚοϓ͕ଘࡏ Ұ࣍ࢹ֮ ԻҐ૬ ମੑײ֮ ͜ΕΛ࠶ݱ͢Δχϡʔϥ ϧωοτϫʔΫ
input signals
4FMG0SHBOJ[JOHNBQ 59 https://ja.wikipedia.org/wiki/ମੑײ֮
ԻҐ૬ϚοϓࣼϚοϓ 60 http://fourier.eng.hmc.edu/e161/lectures/nn/node14.html
4FMG0SHBOJ[JOHNBQ 61 ֊ܕχϡʔϥϧωοτϫʔΫ͕ʮχϡʔϩ ϯؒ ؒ ͷ݁߹ՙॏʯΛֶश͢Δ͜ͱʹର ͯ͠ɺ40.Ͱʮۙʯͱ͍͏زԿతͳ֓ ೦Λಋೖ͢Δ͜ͱͰʮॱংʯΛ࣋ͬͨ৫Խ Ϛοϓͷ࠶ݱʹޭ )FCCͷ๏ଇʹΑΔγφϓεؒͷँมԽ
χϡʔϩϯͷԠબ੍ ಛහײԠ ਆܦୡ࣭ͷ֦ࢄʹΑΔଆํ׆ੑ੍ޚ
62 input signals
Ԡબ੍ 63 input signals
ଆํ׆ੑ੍ޚ 64 input signals
)FCCͷ๏ଇʹΑΓँมԽ ୡޮͷ্ 65 input signals
Ұൠతͳ %FFQ-FBSOJOHͱͷҧ͍ 66 ಛநग़ೳྗͱ͠ ͯࣅ௨ͬ ͍ͯΔ ใѹॖΛ͍ͯ͠Δ ͨΊ
ۭؒతͳॱং ৫Խ͕ҟͳ͍ͬͯ Δ ͜͜ʹ40.ʹϫ ϯνϟϯ͋Δ͔ʂ
$MPTJOH
·ͱΊ 68 %FFQ-FBSOJOH.BDIJOF-FBSOJOHͷ ར༻͢͠͞ࠓޙ૿ͣ͢ χϡʔϥϧωοτϫʔΫͷຊ࣭ ԿΛ࠶ݱ͠ ͍ͯΔͷ͔ɺͲͷΑ͏ʹֶश͍ͯ͠Δͷ͔ Λ͍ͬͯΔͱνϡʔχϯά͕ՄೳʹͳΔ ϙΞϯΧϨ༧ͷΑ͏ʹɺใֶͷࢹͰ ߦ͖٧·Δ໘Ͱɺਆܦࡉ๔ൃୡաఔ͕ղ
์ͷώϯτʹͳΕͱࢥ͍·͢
༨ஊ 69 ϨΠϠͰΑΓޮΑ͘ར༻͢ΔͨΊͷೖྗใͷ౷ ܭతߏΛநग़͢Δॲཧ BVUPFODPEFS ൃୡॳظͷ ༮ࣇͷ׆ಈʹݟΒΕΔͷͱྨࣅ͍ͯ͠Δؾ͕͢Δ ࣗൃతӡಈͱੜໟʹΑΔͦͷϑΟʔυόοΫ Ұ ࣍ମੑײ֮
Λ৫Խ͢Δ ϨΠϠͷใ͕ߏԽ͢Δʹ͍ߴ࣍ͷॲཧ͕Մೳ ʹͳΓෳࡶԽ͢Δͱ͍͏ͷମߏͷਆܦܥɾӡಈ ߏΛΑ͘࠶ݱ͍ͯ͠Δ ϑΣʔζ͝ͱʹֶशΛక͍݁ͤͯ͞Δͱ͜Ζ͕͏· ͍ͳ͊ͱ http://www.isi.imi.i.u-tokyo.ac.jp/research.php?category=13 http://www.ncbi.nlm.nih.gov/pubmed/17123097
&OKPZ /FVSBM/FUXPSLT
&OKPZ :"1$"TJB
72 ࣜจݙʹޡΓ͕͋Δ߹ !NVEEZEJYPO·Ͱ͝࿈བྷ͍͚ͨͩΔͱॿ͔ Γ·͢ɻ χϑςΟͰʮʯػցֶशɾχϡʔϥϧωο τϫʔΫΛར༻ͨ͠ϏδωεΛߦ͓ͬͯΓ· ͢ɻ ࠾༻ر!NVEEZEJYPO·Ͱ͓͕͚͘ ͍ͩ͞ɻ