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
370
Introduction of DCASE 2021 Challenge Task 2 / dcase2021task2
yohekawag
0
680
Other Decks in Education
See All in Education
@ngrx/signals
yannickbaron
0
180
STEAM教育の枠組で行うプログラミング学習
asial_edu
0
210
自己紹介 / who-am-i
yasulab
2
3.1k
Data Management and Analytics Specialisation
signer
PRO
0
990
AI教育の未来『おもしろい』を作れる人材の育て方 #東京AI祭
o_ob
1
360
Data Processing and Visualisation Frameworks - Lecture 6 - Information Visualisation (4019538FNR)
signer
PRO
1
1.7k
LTをすべき100の理由
eltociear
1
280
前期教育実習事前指導0221
naradai
0
130
LightSail2324
cbtlibrary
0
130
Microsoft Office 365
matleenalaakso
0
1.5k
week2@tcue2024
nonxxxizm
0
810
Tips for the Presentation - Lecture 2 - Advanced Topics in Big Data (4023256FNR)
signer
PRO
0
130
Featured
See All Featured
Producing Creativity
orderedlist
PRO
337
39k
Building Your Own Lightsaber
phodgson
99
5.7k
Adopting Sorbet at Scale
ufuk
68
8.6k
Building a Scalable Design System with Sketch
lauravandoore
456
32k
GraphQLの誤解/rethinking-graphql
sonatard
50
9.2k
Refactoring Trust on Your Teams (GOTO; Chicago 2020)
rmw
25
2.3k
Making Projects Easy
brettharned
108
5.5k
Learning to Love Humans: Emotional Interface Design
aarron
267
39k
Clear Off the Table
cherdarchuk
84
310k
StorybookのUI Testing Handbookを読んだ
zakiyama
13
4.6k
Automating Front-end Workflow
addyosmani
1356
200k
個人開発の失敗を避けるイケてる考え方 / tips for indie hackers
panda_program
60
14k
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。