デジタルテクノロジーの進化がもたらす クルマの付加価値向上
|
|
|
- としみ ひろき
- 8 years ago
- Views:
Transcription
1 デジタルテクノロジーの進化がもたらすクルマの付加価値向上 加藤整 2015 年 12 月 18 第 17 回カーエレクトロニクス研究会
2 はじめに 知能とモノ という視座で眺める 2
3 知能側がモノ側を欲ス ( 身体性 ) 知能から モノへ Google 社 UC Berkeley, Dpt. EE & CS Preferred Networks 社 3 Google self driving car by Michael Shick [CC BY-SA 4.0]
4 本日のおはなし 知能 モノ AI x IoT = Auto
5 本日のおはなし 1: 人工知能研究の最前線で起きてること AI x IoT = Auto
6 深層学習によりニューラル再び 50% 40% コネクショニズムな時代 Neural SVM, kernel Deep Convex Submod 30% 20% 10% 機械学習興隆 深層学習でニューラル再び 0% 各年の NIPS 採択論文タイトルより用語を含む件数を数え上げ その年の採択論文数で除算して比率を ITC 算出,
7 機械学習系人材獲得が熾烈 7 NIPS2015 にて ITC 撮影 解像度を下げて掲載
8 深層学習の更にその先には? ルールベースでの知識表現 エキスパートシステム 推論エンジン パーセプトロン 統計確率モデル 最適化 バックプロパゲーション ボルツマンマシン 強化学習 ネオコグニトロン TD ギャモン データマイニング 畳み込みニューラルネット Google 機械学習 DBM, RBM 半教師あり学習 深層学習 Facebook Google Google Memory Netowrks 深層学習 + 逆強化学習 UCB Deep Q- Network BRETT Neural Turing Machine? SHRDLU 質問応答システム IBM IBM Watson QUALM IBM IBM TrueNorth 8
9 物体検出から 画像キャプション生成 /QA 画像概念へ 画像キャプション生成 画像 QA 画像概念へ 9 O. Vinyals et al., Show and Tell: A Neural Image Caption Generator, arxiv: K. Xu et al., Show, Attend and Tell: Neural Image Caption Generation with Visual Attention, arxiv: J. Andreas et al., Deep Compositional Question Answering with Neural Module Networks, arxiv: S. Antol et al., VQA: Visual Question Answering, arxiv: F. Sadeghi et al., VISALOGY: Answering Visual Analogy Questions, arxiv:
10 知識記憶機構の構築 Memory Networks (MemNN/MemN2N) Neural Turing Machine (NTM) Neural GPU へ 加算 乗算 * 文章を記憶 質問に回答 S. Sukhbaatar et al., End-To-End Memory Networks, arxiv: A. Graves et al., Neural Turing Machines, arxiv: Łukasz Kaiser and Ilya Sutskever, Neural GPUs Learn Algorithms, arxiv: 学習によりアルゴリズムを獲得 並列化
11 特徴的なタスクへの適用 11 L.A. Gatys et al., A Neural Algorithm of Artistic Style, A Neural Algorithm of Artistic Style, arxiv: J. Wu et al., Galileo: Perceiving Physical Object Properties by Integrating a Physics Engine with Deep Learning, NIPS2015 C. Vondrick et al., Learning visual biases from human imagination, NIPS2015 A. Recasens et al., Where are they looking?, NIPS2015
12 本日のおはなし 2: 知能化したモノとの狭間で AI x IoT = Auto
13 知能化したモノと共生するには HMI/ 機能配分 / 権限移譲が重要に ドライバー HMI Level 0 外界 感覚機能 認知判断 機械 HMI ドライバー Level 1-3 外界 感覚機能 認知判断 機能配分権限移譲 センサーモジュール 機械 自動運転モジュール 人工知能モジュール 13
14 能力に限りがある人と能力に限りがある機械の共生 見える 機械が 見えない 見える 見ているものが異なる 同じでも対応策が異なるとオートメーションサプライズ 機械に対する過信 不信 人が 見えない 機械に対する不安 不信 お互いの情報 意図を共有できるようにすることが重要 14 稲垣, 人と機械の共生のデザイン, 2012
15 知能化したモノとの HMI 飛行経路, 高度などの入力はキーボードの方が容易 操縦桿はあくまで機体に動機づけを与えるための道具なので ジョイスティックで十分 限界点では機械が人間を補ったほうがいい B787 A380 B-2 パイロットには自然なので操縦桿は残してある 操作モードを切り替えることにより 機械を外せる ステルス爆撃機 B-2( コクピットはボーイング製 ) は普通の操縦法で飛ばせる 超複雑な操縦システムを 飛行機の基本的な操作系に縮約して入出力 ( 仮想エルロン ラダー エレベーター 人間のほうが機械よりうまいと思っている 15 A380 by Naddsy [CC BY 2.0] B787 by Brandrodungswanderfeldhackbau B-2 by by David Bohrer [Public domain] 利用者に理解させやすい設計思想
16 オートメーションサプライズの防止 B787 A380 B-2 自動操縦のとき サイドスティックとスラストレバーは定位置に固定され動かいない 自動操縦の際に コンピュータの制御に応じて 操縦輪とスラストレバーが動く コンピュータが何をしようとしているのかを情報提示 ( ディスプレイでの表示に限らない ) 16 稲垣, 人と機械の共生のデザイン, 2012 A380 by Naddsy [CC BY 2.0] B787 by Brandrodungswanderfeldhackbau B-2 by by David Bohrer [Public domain]
17 本日のおはなし 3: トヨタ IT 開発センターのとりくみ AI x IoT = Auto
18 トヨタ IT 開発センターのとりくみ 所有価値から利用価値へ クルマは社会システムのエレメントに 18
19 所有価値から利用価値へ API エコノミーにおけるクルマ Contents Providers Ad. Providers Mobility Service Providers API API API API API Mobility Open Platform API API Retail Sales healthcare Insurance data, money value in use 19
20 クルマは社会システムのエレメントに社会システムを包摂したシステム (SoS) のモデル駆動開発手法 Traditional OEM A OEM B OEM C Electronization OEM A OEM B OEM C Integration with Society (Energy, HOME) AUTO IND. Body Engine Body Engine Body Engine SW for ECUs Powertrain SW for ECUs Social System Center System Interior Interior Interior Interior Interior Vehicle OEM A OEM B OEM C Vertical Integration Horizontal Collaboration System Design Ability lapping MBSE MBSE for SOS PRODUCT System of Systems DEV. Methodology SURIAWASE SYSTEM CMPNT PRODUCT SYSTEM CMPNT 20
21 まとめ 機械が概念を理解できるようになりつつある 知能化された機械と人間双方の意図を共有できるようにすることがより重要になりつつある トヨタ IT 開発センターではこれら AIxIoT の新たな世界に向けた取組を開始しています 21
22 加藤整トヨタ IT 開発センター調査企画グループグループリーダー 22
PowerPoint プレゼンテーション
Gartner Symposium/ITxpo 2017 オープンシアターセッション (OT-12) ディープラーニングは万能なのか? 2017 年 10 月 31 日株式会社 NTT データ数理システム 目次 1. NTTデータ数理システムのご紹介 2. Deep Learningの最近の動向 3. Deep Learning 事例紹介 4. まとめ 2 NTT データ数理システムのご紹介 会社名
Mastering the Game of Go without Human Knowledge ( ) AI 3 1 AI 1 rev.1 (2017/11/26) 1 6 2
6 2 6.1........................................... 3 6.2....................... 5 6.2.1........................... 5 6.2.2........................... 9 6.2.3................. 11 6.3.......................
Haiku Generation Based on Motif Images Using Deep Learning Koki Yoneda 1 Soichiro Yokoyama 2 Tomohisa Yamashita 2 Hidenori Kawamura Scho
Haiku Generation Based on Motif Images Using Deep Learning 1 2 2 2 Koki Yoneda 1 Soichiro Yokoyama 2 Tomohisa Yamashita 2 Hidenori Kawamura 2 1 1 School of Engineering Hokkaido University 2 2 Graduate
AI AI Artificial Intelligence AI Strategy& Foresight AI AI AI AI 1 AI AI AI AI AI AI AI AI AI AI AI AI AI 2 AI 1 AI AI 3 AI 3 20 AI AI AI AI AI
AI AIArtificial Intelligence AI Strategy& Foresight AI AIAI AI 1 AI AI AI AI AI AI AI AI AI AI AI AI AI 2 AI 1 AI 50 80 AI 3 AI 3 20 AI AI AI AI AI IoT AI AI 4 Strategy& Foresight Vol.15 2018 Spring [email protected]
人工知能が経営にもたらす「創造」と「破壊」
2030 86 9,600 EY Institute 1 22030 03 04 05 05 08 08 13 14 15 1 EY Institute AI: Artificial Intelligence 1950 SF 1 2 I. Machine Learning Deep Learning 60 2 3 1 1 AlchemyAPI Deepmind Metamind Nervana Systems
専門力_総合力
Program for Leading Graduate Schools Program for Leading Graduate Schools INTRODUCTION 04 CONTENTS 10 15 23 24 30 32 33 34 36 38 39 DATA 40 42 44 Program for Leading Graduate Schools What is a DOCTOR??
14 10 15 14 10 15 46.7 14 8 14 3 1 14 8 31 1 14 8 80,956 454,528 2.9 3.4 14,550 2.7 14,227 2.4 13 8 78,658 439,432 14,956 14,571 14 2 153,889 860,441 24,545 23,378 1 ( ) - 1-1 14 8 7,262 6.1 84 28 13 8
AI技術を活用して戦略的優位性を構築する――Using AI to Create Advantage
MAY 2018 AI Using AI to Create Advantage ボストンコンサルティンググループ ( BCG) BCGは 世界をリードする経営コンサルティングファームとして 政府 民間企業 非営利団体など さまざまな業種 マーケットにおいて カスタムメードのアプローチ 企業 市場に対する深い洞察 クライアントとの緊密な協働により クライアントが持続的競争優位を築き 組織能力 ( ケイパビリティ
untitled
u-japan : HP: http://cis.k.hosei.ac.jp/~jianhua/ (Ubiquitous) (Ubiquitous) : : : : ( 1945 1975 1985 1995 2007 PC PC PC PDA, µ- chip Hitachi s RFID Chip in 2006 By Hitachi, 2003 015 0.15x0.15 015mm Integrated
Elastic stack Jun Ohtani 1
Elastic stack Jun Ohtani 2017/12/06 @johtani 1 about Me, Jun Ohtani / Technical Advocate lucene-gosen ElasticSearch Server http://blog.johtani.info Elasticsearch, founded in 2012 Products: Elasticsearch,
Microsoft Azure Microsoft Corporation Global Blackbelt Sales Japan OSS TSP Rio Fujita
Microsoft Azure Microsoft Corporation Global Blackbelt Sales Japan OSS TSP Rio Fujita Agenda Microsoft Azure Microsoft Azure Microsoft OSS 2 Microsoft Azure Promotion 3 https://azure.microsoft.com/ja-jp/free/
Microsoft Word _zuken_2019_03_q2_report_2018_12_17_japanese.docx
URL: www.walden.co.jp E-mail: [email protected] 03 (3553) 3769 6947 EPS DPS BPS FY03/2017 22,199 1,596 1,571 1,206 51.9 20.0 1,209 FY03/2018 23,582 2,025 2,114 1,511 65.0 22.0 1,295 FY03/2019 25,500 2,500
新たなる価値の創造：TwinCAT IoT & TwinCAT Analytics
TwinCAT IoT & TwinCAT Analytics IoT TwinCAT IoT TwinCAT Analytics : PC IoT TwinCAT IoT TwinCAT Analytics IoT 2 IoT TwinCAT IoT IoT + TwinCAT Analytics = 3 HMI IoT IT EtherCAT IT 4 TwinCAT PLC 5 IBM Watson
NTMobile LAN NT- Mobile(Network Traversal with Mobility) [1] NTMobile LAN 2. NTMobile NTMobile NTMobile NTM IP DC(Direction Coordinator)
![NTMobile LAN NT- Mobile(Network Traversal with Mobility) [1] NTMobile LAN 2. NTMobile NTMobile NTMobile NTM IP DC(Direction Coordinator)](/thumbs/97/133279570.jpg "NTMobile LAN NT- Mobile(Network Traversal with Mobility) [1] NTMobile LAN 2. NTMobile NTMobile NTMobile NTM IP DC(Direction Coordinator)")
NTMobile 110425321 1. LAN NT- Mobile(Network Traversal with Mobility) [1] NTMobile LAN 2. NTMobile NTMobile NTMobile NTM IP DC(Direction Coordinator) NTM DC NTM DC IP NTM NTM (MN) DC NTM (CN) UDP MN CN
アニュアルレポート2018 │ 未来のモビリティ社会に向けて
GAZOO Racing CFO Koji Kobayashi Didier Leroy Energy Passion Fighting Sprit Shigeki Terashi One TOYOTA Mitsuru Kawai Akio Toyoda Moritaka Yoshida Shigeki Tomoyama 100 Gill A. Pratt QOL agility 5 GAZOO Racing
A Study on Throw Simulation for Baseball Pitching Machine with Rollers and Its Optimization Shinobu SAKAI*5, Yuichiro KITAGAWA, Ryo KANAI and Juhachi
A Study on Throw Simulation for Baseball Pitching Machine with Rollers and Its Optimization Shinobu SAKAI*5, Yuichiro KITAGAWA, Ryo KANAI and Juhachi ODA Department of Human and Mechanical Systems Engineering,
MATLAB EXPO 2019 Japan プレゼン資料の検討
自動運転向けソフトウェア Autoware と MATLAB /Simulink の連携 ~ 事例紹介 ~ 2019 年 5 月 28 日株式会社ネクスティエレクトロニクス SW 開発部技術開発グループ太田徳幸 Copyright TOMEN Electronics Corp. 目次 2/31 1. 会社概要 2. Autoware Toolbox 紹介 1. 取り組み背景 2. Autoware
IPSJ SIG Technical Report Vol.2013-CVIM-187 No /5/30 1,a) 1,b), 1,,,,,,, (DNN),,,, 2 (CNN),, 1.,,,,,,,,,,,,,,,,,, [1], [6], [7], [12], [13]., [
![IPSJ SIG Technical Report Vol.2013-CVIM-187 No /5/30 1,a) 1,b), 1,,,,,,, (DNN),,,, 2 (CNN),, 1.,,,,,,,,,,,,,,,,,, [1], [6], [7], [12], [13]., [](/thumbs/94/121682292.jpg "IPSJ SIG Technical Report Vol.2013-CVIM-187 No /5/30 1,a) 1,b), 1,,,,,,, (DNN),,,, 2 (CNN),, 1.,,,,,,,,,,,,,,,,,, [1], [6], [7], [12], [13]., [")
,a),b),,,,,,,, (DNN),,,, (CNN),,.,,,,,,,,,,,,,,,,,, [], [6], [7], [], [3]., [8], [0], [7],,,, Tohoku University a) [email protected] b) [email protected], [3],, (DNN), DNN, [3],
機械学習 ハンズオン-チュートリアル
機械学習 ハンズオン - チュートリアル 初めてのペアモニター研究 はじめに このチュートリアルは機械学習の環境を構築し ニューラルネットワークが実行できるようになるところまで行います チュートリアルの流れ 1. 環境構築 2. 機械学習用プログラム実装 & 実行 3. プログラムの改良 ( 精度向上のため ) 4. 機械学習についてより深く理解するために 2 y[mm] y[mm] 機械学習 ヒット分布
コンピュータグラフィックス第8回
コンピュータグラフィックス 第 8 回 レンダリング技法 1 ~ 基礎と概要, 隠面消去 ~ 理工学部 兼任講師藤堂英樹 レポート提出状況 課題 1 の選択が多い (STAND BY ME ドラえもん ) 体験演習型 ( 課題 3, 課題 4) の選択も多い 内訳 課題 1 課題 2 課題 3 課題 4 課題 5 2014/11/24 コンピュータグラフィックス 2 次回レポートの体験演習型 メタセコイア,
Convolutional Neural Network A Graduation Thesis of College of Engineering, Chubu University Investigation of feature extraction by Convolution
Convolutional Neural Network 2014 3 A Graduation Thesis of College of Engineering, Chubu University Investigation of feature extraction by Convolutional Neural Network Fukui Hiroshi 1940 1980 [1] 90 3
Vol. 48 No. 4 Apr LAN TCP/IP LAN TCP/IP 1 PC TCP/IP 1 PC User-mode Linux 12 Development of a System to Visualize Computer Network Behavior for L
Vol. 48 No. 4 Apr. 2007 LAN TCP/IP LAN TCP/IP 1 PC TCP/IP 1 PC User-mode Linux 12 Development of a System to Visualize Computer Network Behavior for Learning to Associate LAN Construction Skills with TCP/IP
EP760取扱説明書
D D D # % ' ) * +, B - B / 1 Q&A B 2 B 5 B 6 Q & A 7 8 $ % & ' B B B ( B B B B B B B B B B B ) B B B A # $ A B B * 1 2 # $ % # B B % $ # $ % + B B 1 B 2 B B B B B B B B B B , B B B - 1 3 2 2 B B B B B
田向研究室PPTテンプレート
Hibikino-Musashi@Home: ホームサービスロボット開発学生プロジェクトの紹介 18/09/14 ROSCon JP 2018 Hibikino-Musashi@Home 九州工業大学田向研究室 石田裕太郎 [email protected] 今日紹介するロボット RoboCup@Home に参戦するホームサービスロボット Eix@ HW: 九工大 SW: 九工大 2018
技術開発懇談会-感性工学.ppt
! - 1955GNP - 1956!!!! !. - 1989, 1986 (1992)! - 4060 (1988 - - /!! ! 199810 2011913!!! 平成２４年１月２３日 技術開発懇談会 in 魚沼 感性工学によるデザイン 因果の順推論 感性評価 感性デザイン 因果の逆推論 物理形状 モノ イメージ 言葉 物理形状をどのように表現するか イメージをどのように表現するか 物理形状とイメージの関係づけと変換はどうするか
IPSJ SIG Technical Report Vol.2017-CVIM-207 No /5/10 GAN 1,a) 2,b) Generative Adversarial Networks GAN GAN CIFAR-10 10% GAN GAN Stacked GAN Sta
1,a) 2,b) Generative Adversarial Networks CIFAR-10 10% Stacked Stacked 8.9% CNN 1. ILSVRC 1000 50000 5000 Convolutional Neural Network(CNN) [3] Stacked [4] 1 2 a) [email protected] b) [email protected]
戦略的マーケティング フィリップ・コトラー
... 6... 6... 6 (1)... 6 (2)... 7 (3)... 7 (4)... 7 (5)... 7 (6)... 7 (7)... 7 (8)... 8 (9)... 8... 8... 9... 9...10...10...11...11 (1)...12 (2)...12 (3)...14...14 (1)...14 (2)...14 (3)...15 (4)...15 (5)...15...15...16...16
特別寄稿.indd
特別寄稿 ソフトインフラとしてのデジタル地図を活用した自動運転システム Autonomous vehicle using digital map as a soft infrastructure 菅沼直樹 Naoki SUGANUMA 1. はじめに 1) 2008 2012 ITS 2) CO 2 3) 4) Door to door Door to door Door to door DARPA(
2017 (413812)
2017 (413812) Deep Learning ( NN) 2012 Google ASIC(Application Specific Integrated Circuit: IC) 10 ASIC Deep Learning TPU(Tensor Processing Unit) NN 12 20 30 Abstract Multi-layered neural network(nn) has
IPSJ SIG Technical Report Vol.2016-GI-35 No /3/9 StarCraft AI Deep Q-Network StarCraft: BroodWar Blizzard Entertainment AI Competition AI Convo
StarCraft AI Deep Q-Network StarCraft: BroodWar Blizzard Entertainment AI Competition AI Convolutional Neural Network(CNN) Q Deep Q-Network(DQN) CNN DQN,,, 1. StarCraft: Brood War *1 Blizzard Entertainment
,,,,., C Java,,.,,.,., ,,.,, i
24 Development of the programming s learning tool for children be derived from maze 1130353 2013 3 1 ,,,,., C Java,,.,,.,., 1 6 1 2.,,.,, i Abstract Development of the programming s learning tool for children
sg_lenovo_sw.xlsx
Lenovo ソフトウェア 製 品 & IBM OEM ソフトウェア 製 品 ガイド System Guide (PAE) Lenovo Enterprise Solustions Software 1/17 Lenovo Enterprise Solustions Software 2/17 Lenovo XClarity Administrator/XClarity Pro 3/17 4/17
自動車の自動運転がドライバーに与える影響とその対策 286 東京海上日動リスクコンサルティング ( 株 ) 自動車グループ主任研究員駒田悠一 自動車の自動運転の技術開発が大きなトレンドとなってきている 大手自動車メーカーは相次いで 自動運転車に
自動車のがドライバーに与える影響とその対策 86 東京海上日動リスクコンサルティング ( 株 ) 自動車グループ主任研究員駒田悠一 自動車のの技術開発が大きなトレンドとなってきている 大手自動車メーカーは相次いで 車に関する開発意思を示し ( 表 1) またインターネットの検索エンジンで知られる Google 社 も車の開発を進めており 既に走行可能なものができていると発表している 1 表 1 主要自動車会社のへの取り組み概要
Deep Learning によるビッグデータ解析 ~ 手法や CUDA による高速化 2014 年 9 月 5 日 G-DEP ソリューションパートナー株式会社システム計画研究所奥村義和
Deep Learning によるビッグデータ解析 ~ 手法や CUDA による高速化 2014 年 9 月 5 日 G-DEP ソリューションパートナー株式会社システム計画研究所奥村義和 目次 DeepLearning と GPU G-DEP テストドライブ ビッグデータ GPU DeepLearning の接点 目次 DeepLearningとGPU DeepLearningとは 仕組みと計算
1 2 3
INFORMATION FOR THE USER DRILL SELECTION CHART CARBIDE DRILLS NEXUS DRILLS DIAMOND DRILLS VP-GOLD DRILLS TDXL DRILLS EX-GOLD DRILLS V-GOLD DRILLS STEEL FRAME DRILLS HARD DRILLS V-SELECT DRILLS SPECIAL
Slide 1
ハンズオン受講の為の準備講座 これから始める人の為の ディープラーニング基礎講座 村上真奈 NVIDIA CUDA & Deep Learning Solution Architect NVIDIA Corporation 1 機械学習とディープラーニングの関係 AGENDA ディープラーニングとは? ニューラルネットワークの構造 ディープラーニングの学習とは 畳み込みニューラルネットワーク 午後に予定しているハンズオンの為の基礎講座ディープラーニングをこれから始める方を対象に基礎概念や用語の解説を行います
Presentation Title
ディープラーニングによる画像認識の基礎と実践ワークフロー MathWorks Japan アプリケーションエンジニアリング部アプリケーションエンジニア福本拓司 2018 The MathWorks, Inc. 1 一般的におこなわれる目視による評価 製造ライン 医用データ 作業現場 インフラ 研究データ 現場での目視 大量画像の収集 専門家によるチェック 2 スマートフォンで撮影した映像をその場で評価
"lmportance of Community Work Function in Care-management Practice" OWADA Takesi The essence of care-management and the duty of care manag:ers are to support home care with making fu1i use of the social
dlshogiアピール文章
第 28 回世界コンピュータ将棋選手権 dlshogi アピール文章 山岡忠夫 2018 年 5 月 1 日更新 下線部分は 第 5 回将棋電王トーナメントからの差分を示す 1 特徴 ディープラーニングを使用 指し手を予測する Policy Network 局面の勝率を予測する Value Network 入力特徴にドメイン知識を活用 モンテカルロ木探索 並列化 自己対局による強化学習 既存将棋プログラムの自己対局データを使った事前学習
IPSJ SIG Technical Report Vol.2011-EC-19 No /3/ ,.,., Peg-Scope Viewer,,.,,,,. Utilization of Watching Logs for Support of Multi-
1 3 5 4 1 2 1,.,., Peg-Scope Viewer,,.,,,,. Utilization of Watching Logs for Support of Multi-View Video Contents Kosuke Niwa, 1 Shogo Tokai, 3 Tetsuya Kawamoto, 5 Toshiaki Fujii, 4 Marutani Takafumi,
人工知能（AI）の学習用データに関する知的財産の保護
会員 弁護士岡本義則 要約近年の人工知能 (AI) の技術, 特にニューラルネットワークにおける深層学習 ( ディープラーニング ) の技術の発展により, 人工知能 (AI) についての期待が高まっている しかし, 深層学習については, 学習用のデータをどのように取得するかが問題となる 一方, 知的財産の分野においては, 第 4 次産業革命に即した知的財産制度が模索されており, データ 人工知能 (AI)
PowerPoint Presentation
ディープラーニングの 実践的な適用ワークフロー MathWorks Japan テクニカルコンサルティング部縣亮 2015 The MathWorks, Inc. 1 アジェンダ ディープラーニングとは?( おさらい ) ディープラーニングの適用ワークフロー ワークフローの全体像 MATLAB によるニューラルネットワークの構築 学習 検証 配布 MATLAB ではじめるメリット 試行錯誤のやりやすさ
cog2_06(８．問題解決).ppt
8. 問題解決 (1) 問題解決とは (2) ヒューリスティクス (3) 問題の表象 の重要性 (4) 進化論的視点 (5) 人工知能と深層学習 人間の行為の多くには明確な目的がある 従って人間の行為は 問題解決的 である ドラクエから人生まで 認知心理学的視点 : 目的的な行為はいかにして可能なのか 人や機械にパズルなどを解かせる研究が多い 古典的研究 :Kohler(1927) 古典的研究 :Kohler(1927)
第14回情報プロフェッショナルシンポジウム予稿集
ニューラル翻訳を用いた中国特許機械翻訳精度の検証 : 中国特許の日本語及び英語への機械翻訳精度の検証 田畑文也 1) 富士フイルム ( 株 ) 1) 421-0396 静岡県榛原郡吉田町川尻 4000 E-mail: [email protected] Study of Neural Machine Translation accuracy of Chinese Patents:
Deep Learningでの地図タイル活用の検討
第 7 回地理院地図パートナーネットワーク会議 2017/6/8 Deep Learning での 地図タイル活用の検討 OSGeo 財団日本支部 岩崎亘典 和山亮介 1 はじめに 発表内容 2 /36 汎用的フォーマットとしての地図タイル 地図タイルと Deep Learning CNN を用いた旧版地形図の分類 地形図から土地利用分類 Conditional GAN を用いたタイル画像変換 空中写真
(2) IPP Independent Power Producers IPP 1995 NCC(New Common Carrier NCC NTT NTT NCC NTT NTT IPP 2. IPP 2.1 1995 4 (3) [1] [2] IPP [2] IPP IPP [1] [2]
![(2) IPP Independent Power Producers IPP 1995 NCC(New Common Carrier NCC NTT NTT NCC NTT NTT IPP 2. IPP 2.1 1995 4 (3) [1] [2] IPP [2] IPP IPP [1] [2]](/thumbs/42/23010176.jpg "(2) IPP Independent Power Producers IPP 1995 NCC(New Common Carrier NCC NTT NTT NCC NTT NTT IPP 2. IPP 2.1 1995 4 (3) [1] [2] IPP [2] IPP IPP [1] [2]")
/ 1995 Grid Access Model 1. (1) 22 1998 12 11 2000-1- (2) IPP Independent Power Producers IPP 1995 NCC(New Common Carrier NCC NTT NTT NCC NTT NTT IPP 2. IPP 2.1 1995 4 (3) [1] [2] IPP [2] IPP IPP [1] [2]
公共交通とまちづくり
2018 7 4 TTRI ( ) 15 20 Robert D. Putnam Bowling alone; The Collapse and revival of American community, 2001/8/7 = (Social capital) 20 10 10 25 () 50 ( 2006/5/28) Fiber City https://whill.jp/ (OECD
17 Proposal of an Algorithm of Image Extraction and Research on Improvement of a Man-machine Interface of Food Intake Measuring System
1. (1) ( MMI ) 2. 3. MMI Personal Computer(PC) MMI PC 1 1 2 (%) (%) 100.0 95.2 100.0 80.1 2 % 31.3% 2 PC (3 ) (2) MMI 2 ( ),,,, 49,,p531-532,2005 ( ),,,,,2005,p66-p67,2005 17 Proposal of an Algorithm of
情報処理学会研究報告 IPSJ SIG Technical Report Vol.2015-GI-34 No /7/ % Selections of Discarding Mahjong Piece Using Neural Network Matsui
2 3 2000 3.3% Selections of Discarding Mahjong Piece Using Neural Network Matsui Kazuaki Matoba Ryuichi 2 Abstract: Mahjong is one of games with imperfect information, and its rule is very complicated