次回マルレクの予定について
この間マルレクでは、ニューラルネットワークの基礎としてのFull ConnectのFeedForward Networkと、画像処理を中心に大きな成功を収めたConvolutional Neural Network を取りげてきました。次回・次々回のマルレクでは、機械翻訳等の Sequence to Sequence の処理で活用されている Recurrent Neural Network -- RNNを取り上げます。
マルレクは隔月で開催してきたのですが、会場の都合で、次回マルレクは二月(第五回)と三月(第六回)で開催する予定です。
マルレク第五回
2月28日 19:30〜 品川 マイクロソフト本社
テーマ:「 RNNの基礎 -- Sequence to Sequence 」
概要:
RNNは、時系列データや自然言語のテキストのようなシーケンシャルなデータを、別の時系列データや別の言語のテキストのような、同じくシーケンシャルなデータに変換する時によく使われるニューラル・ネットワークのモデルです。
講演では、まず、これまで取り上げたFull Connectのニューラル・ネットワーク(入力も出力も「順序」を持たない)や、Convolutional ニューラル・ネットワーク(時間のない空間的な配置から特徴を抽出する)との対比で、ネットワークがループを持つRNNの特徴を述べたいと思います。
講演では、最もよく使われているRNNのモデルであるLSTM(Long Short Term Memory)にフォーカスして、RNNの基礎を解説したいと思います。
参考文献:
マルレク第六回
3月27日 19:00〜 品川 マイクロソフト本社
テーマ:「RNNの応用と発展 --- Google翻訳とDNC 」
概要:
RNNの応用で目覚ましい成果の一つは、昨年末に発表されたGoogle翻訳の進化です。機械翻訳の精度は、飛躍的に向上しました。講演では、Google翻訳が、どのようにRNN (deep LSTM)を利用しているかを解説しようと思います。
同時に、RNN/LSTMの制限を越えようとする研究も活発に行われています。
講演では、こうした新しい探求の代表例として、Google DeepDreamチームのDNC(differentiable neural computer)のアーキテクチャーを取り上げようと思います。コンピュータのメモリーを積極的に利用しようというこのアプローチは、ニューラル・ネットワークの枠を超えて、新しいコンピュータ・アーキテクチャーの提案としても興味深いものです。
参考文献:
マルレクは隔月で開催してきたのですが、会場の都合で、次回マルレクは二月(第五回)と三月(第六回)で開催する予定です。
マルレク第五回
2月28日 19:30〜 品川 マイクロソフト本社
テーマ:「 RNNの基礎 -- Sequence to Sequence 」
概要:
RNNは、時系列データや自然言語のテキストのようなシーケンシャルなデータを、別の時系列データや別の言語のテキストのような、同じくシーケンシャルなデータに変換する時によく使われるニューラル・ネットワークのモデルです。
講演では、まず、これまで取り上げたFull Connectのニューラル・ネットワーク(入力も出力も「順序」を持たない)や、Convolutional ニューラル・ネットワーク(時間のない空間的な配置から特徴を抽出する)との対比で、ネットワークがループを持つRNNの特徴を述べたいと思います。
講演では、最もよく使われているRNNのモデルであるLSTM(Long Short Term Memory)にフォーカスして、RNNの基礎を解説したいと思います。
参考文献:
- The Unreasonable Effectiveness of Recurrent Neural Networks
- Understanding LSTM Networks
- Sequence Modeling
マルレク第六回
3月27日 19:00〜 品川 マイクロソフト本社
テーマ:「RNNの応用と発展 --- Google翻訳とDNC 」
概要:
RNNの応用で目覚ましい成果の一つは、昨年末に発表されたGoogle翻訳の進化です。機械翻訳の精度は、飛躍的に向上しました。講演では、Google翻訳が、どのようにRNN (deep LSTM)を利用しているかを解説しようと思います。
同時に、RNN/LSTMの制限を越えようとする研究も活発に行われています。
講演では、こうした新しい探求の代表例として、Google DeepDreamチームのDNC(differentiable neural computer)のアーキテクチャーを取り上げようと思います。コンピュータのメモリーを積極的に利用しようというこのアプローチは、ニューラル・ネットワークの枠を超えて、新しいコンピュータ・アーキテクチャーの提案としても興味深いものです。
参考文献:
- Google’s Neural Machine Translation System: Bridging the Gap between Human and Machine Translation
- Neural Turing Machines
- Hybrid computing using a neural network with dynamic external memory
コメント
コメントを投稿