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
97
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
70
basic of data visualization and d3.js demonstration
muddydixon
0
100
d3.js demonstration
muddydixon
0
73
data visualization @html5study
muddydixon
0
86
Time Series Prediction@JubatusCasualTalk2
muddydixon
0
67
Perl for Visualization@YAPC2013
muddydixon
0
88
Time Series Analysis by JavaScript @LLMatsuri2013
muddydixon
0
98
How to create my own Hadoop MultipleInput@HadoopCodeReading8
muddydixon
0
68
BigDataAnalytics beginning by mongo-hadoop@MongoTokyo2012
muddydixon
0
55
Other Decks in Programming
See All in Programming
Navigation 2 を 3 に移行する(予定)ためにやったこと
yokomii
0
320
プロパティベーステストによるUIテスト: LLMによるプロパティ定義生成でエッジケースを捉える
tetta_pdnt
0
1.8k
250830 IaCの選定~AWS SAMのLambdaをECSに乗り換えたときの備忘録~
east_takumi
0
400
HTMLの品質ってなんだっけ? “HTMLクライテリア”の設計と実践
unachang113
4
2.9k
AIコーディングAgentとの向き合い方
eycjur
0
270
AIを活用し、今後に備えるための技術知識 / Basic Knowledge to Utilize AI
kishida
22
5.8k
1から理解するWeb Push
dora1998
7
1.9k
パッケージ設計の黒魔術/Kyoto.go#63
lufia
3
440
複雑なドメインに挑む.pdf
yukisakai1225
5
1.2k
意外と簡単!?フロントエンドでパスキー認証を実現する WebAuthn
teamlab
PRO
2
770
CloudflareのChat Agent Starter Kitで簡単!AIチャットボット構築
syumai
2
500
そのAPI、誰のため? Androidライブラリ設計における利用者目線の実践テクニック
mkeeda
2
360
Featured
See All Featured
Testing 201, or: Great Expectations
jmmastey
45
7.7k
I Don’t Have Time: Getting Over the Fear to Launch Your Podcast
jcasabona
33
2.4k
個人開発の失敗を避けるイケてる考え方 / tips for indie hackers
panda_program
113
20k
Reflections from 52 weeks, 52 projects
jeffersonlam
352
21k
RailsConf 2023
tenderlove
30
1.2k
Raft: Consensus for Rubyists
vanstee
140
7.1k
Large-scale JavaScript Application Architecture
addyosmani
513
110k
Bash Introduction
62gerente
615
210k
実際に使うSQLの書き方 徹底解説 / pgcon21j-tutorial
soudai
PRO
188
55k
Creating an realtime collaboration tool: Agile Flush - .NET Oxford
marcduiker
31
2.2k
How To Stay Up To Date on Web Technology
chriscoyier
790
250k
Statistics for Hackers
jakevdp
799
220k
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