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
TUAT_ASC report
Search
y-kawagu
August 28, 2021
Education
0
220
TUAT_ASC report
東京農工大学2021年度電子情報工学特別講義II
第4回講義 課題
y-kawagu
August 28, 2021
Tweet
Share
More Decks by y-kawagu
See All by y-kawagu
半自動楽器ロボによる演奏支援システムの開発
yohekawag
0
650
Introduction of DCASE 2021 Challenge Task 2 / dcase2021task2
yohekawag
0
750
Other Decks in Education
See All in Education
Gamified Interventions for Composting Behavior: A Case Study Using the Gamiflow Framework in a Workplace Setting
ezefranca
1
140
2025年度春学期 統計学 第1回 イントロダクション (2025. 4. 10)
akiraasano
PRO
0
180
Constructing a Custom TeX Ecosystem for Educational Institutions—Beyond Academic Typesetting
doratex
1
11k
Design Guidelines and Principles - Lecture 7 - Information Visualisation (4019538FNR)
signer
PRO
0
2.4k
Are puppies a ranking factor?
jonoalderson
0
870
Sponsor the Conference | VizChitra 2025
vizchitra
0
560
Tutorial: Foundations of Blind Source Separation and Its Advances in Spatial Self-Supervised Learning
yoshipon
1
120
AIC 103 - Applications of Property Valuation: Essential Slides
rmccaic
0
230
Pydantic(AI)とJSONの詳細解説
mickey_kubo
0
120
生成AI
takenawa
0
6.9k
Virtual and Augmented Reality - Lecture 8 - Next Generation User Interfaces (4018166FNR)
signer
PRO
0
1.7k
Course Review - Lecture 12 - Next Generation User Interfaces (4018166FNR)
signer
PRO
0
1.7k
Featured
See All Featured
Embracing the Ebb and Flow
colly
86
4.7k
Raft: Consensus for Rubyists
vanstee
140
7k
Speed Design
sergeychernyshev
32
1k
How To Stay Up To Date on Web Technology
chriscoyier
790
250k
RailsConf & Balkan Ruby 2019: The Past, Present, and Future of Rails at GitHub
eileencodes
138
34k
Save Time (by Creating Custom Rails Generators)
garrettdimon
PRO
31
1.3k
How to Ace a Technical Interview
jacobian
278
23k
Product Roadmaps are Hard
iamctodd
PRO
54
11k
Mobile First: as difficult as doing things right
swwweet
223
9.7k
Making Projects Easy
brettharned
116
6.3k
GraphQLの誤解/rethinking-graphql
sonatard
71
11k
For a Future-Friendly Web
brad_frost
179
9.8k
Transcript
© Hitachi, Ltd. 2021. All rights reserved. 1 東京農工大学 2021年度
電子情報工学特別講義II 第4回講義分 課題 以下のケースを読み、質問に回答せよ。不足情報は妥当な推論に基づいて補っても構わない。 あなたは或る企業のAI開発チームに所属している。あなたの開発チームは今回、屋外で継続的に録音される各5秒間の音のファイル (WAVファ イル) を入力として、虫の鳴き声か、カエルの鳴き声か、風鈴の音か、盆踊りの音楽か、それ以外かの計5クラスに分類する機能を有する音響 シーン分類のプログラムを作成することになった。顧客は国内のとある地方自治体であり、提供したプログラムは地域おこしに使われるらしいことが 分かっている。 あなたの同僚は、以下のステップからなる処理方式での実装を提案している。 1. WAVファイルから波形を読み込んでパワースペクトログラムを計算する。 2. パワースペクトログラムをカラーのJPEG画像として出力する。 3. 出力したJPEG画像を、画像の多クラス分類用に事前訓練されたモデルに入力し、特徴ベクトルを計算する。 4. 特徴ベクトルに単層パーセプトロンとsoftmax関数を施し、各次元がクラスと対応する5次元ベクトルに変換する。 5. 5次元ベクトルの最大値をとる次元に対応するクラスラベルを最終的な分類結果として出力する。 なお、同僚が使うつもりの事前訓練済みモデルは、「EfficientNet」と呼ばれるもので、「ImageNet」というデータセットで訓練された重みパラメタ も公開されており、ダウンロードして使用することができる (M. Tan and Q.V. Le, “EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks,” in ICML, 2019、および、J. Deng et al, “ImageNet: A Large-Scale Hierarchical Image Database,” in ICPR, 2009. を参考とせよ)。 訓練フェーズでは、事前訓練済みモデルの重みパラメタをダウンロードした値のまま固 定し、単層パーセプトロンの重みパラメタのみを最適化するつもりとのこと。 質問: 同僚が提案する処理方式に対し、問題を起こす可能性が高いと懸念される点を、少なくとも3個以上、考えうる限り列挙せよ。また、それぞ れの懸念点に対し、起こりうる問題を回避する方策を提案せよ。懸念点が逆に利点を有する可能性があれば、それについても論じよ。実験 的に検証する必要はない。妥当な仮説であれば列挙した分だけ加点の対象とする。