ヘルスケア DeepVariant 1.0によるゲノム解析精度の向上(2/4)
１．DeepVariant 1.0によるゲノム解析精度の向上(2/4)まとめ ・従来、ゲノム解析はIllumina社の機器の短いが正確な読み取りデータを利用してきた ・近年、Pacific BiosciencesやOxford Nanopo...
ヘルスケア ヘルスケア DeepVariant 1.0によるゲノム解析精度の向上(1/4)
１．DeepVariant 1.0によるゲノム解析精度の向上(1/4)まとめ ・ゲノム解読はハードウェアによる読み取りとソフトウェアによる識別で可能になった ・DeepVariantは様々なハードウェアに対応可能なCNNを使った識別用ソフト...
モデル RigL：ニューラルネットワークの冗長性を動的に最適化(3/3)
１．RigL：ニューラルネットワークの冗長性を動的に最適化(3/3)まとめ ・RigLのパフォーマンスはトレーニング時間を伸ばすと基本時間の百倍までは常に改善された ・ResNet-50では最先端のtop 1精度、MobileNet-v1で...
モデル RigL：ニューラルネットワークの冗長性を動的に最適化(2/3)
１．RigL：ニューラルネットワークの冗長性を動的に最適化(2/3)まとめ ・RigLはランダムマスクから開始し大きな勾配を持つ接続をアクティブする ・大きな勾配を持つ接続は損失を最も迅速に減少させることが期待出来るため ・RigLは他の手...
モデル RigL：ニューラルネットワークの冗長性を動的に最適化(1/3)
１．RigL：ニューラルネットワークの冗長性を動的に最適化(1/3)まとめ ・最新のディープニューラルネットワークアーキテクチャは冗長性が高い場合が多い ・重要度の低い接続を刈り取る事で疎なニューラルネットワークに改良すると性能が上がる ・...
モデル PWIL：敵対的トレーニングに依存しない摸倣学習(2/2)
１．PWIL：敵対的トレーニングに依存しない摸倣学習(2/2)まとめ ・PWILは敵対的手法でないためエージェントとエキスパートを直接類似させる事が可能 ・最先端の摸倣学習は敵対的トレーニングに依存しているアルゴリズム的に不安定 ・PWIL...
モデル PWIL：敵対的トレーニングに依存しない摸倣学習(1/2)
１．PWIL：敵対的トレーニングに依存しない摸倣学習(1/2)まとめ ・強化学習で報酬関数を設計する事が困難なケースは模倣学習が代替手段となる ・最先端の摸倣学習は敵対的トレーニングに依存しているアルゴリズム的に不安定 ・PWILは敵対的ト...
ビッグデータ HydroNets：最近の洪水予測の改善の背後にある技術(3/3)
１．HydroNets：洪水予測の最近の改善の背後にある技術(3/3)まとめ ・HydroNetは水位予測に特化して構築された特別なディープニューラルネットワーク ・HydroNetは「地点間で共通化する処理」と「特定地点に固有の処理」を区...
入門／解説 HydroNets：最近の洪水予測の改善の背後にある技術(2/3)
１．HydroNets：洪水予測の最近の改善の背後にある技術(2/3)まとめ ・形態学的モデルと呼んでいる浸水モデリングへの新しいアプローチで既存の課題を解決 ・データ不足地域で従来の物理学ベースのモデルが影響を受けやすい様々なエラーを修正...
ビッグデータ HydroNets：最近の洪水予測の改善の背後にある技術(1/3)
１．HydroNets：洪水予測の最近の改善の背後にある技術(1/3)まとめ ・インドとバングラデシュで洪水予報を改善し2億5000万人以上の居住地に対象範囲を拡大 ・形態学的浸水モデルと呼ばれる浸水モデリングの新しいアプローチで範囲を拡大...
モデル KeyPose：ステレオ画像で透明物体の三次元ポーズ推定を更に改良(2/2)
１．KeyPose：ステレオ画像で透明物体の三次元ポーズ推定を更に改良(2/2)まとめ ・ステレオKeyPoseの重要な側面の1つはEarly fusionを使用してステレオ画像を融合する事 ・Late fusionまたは単眼入力と比較する...
モデル KeyPose：ステレオ画像で透明物体の三次元ポーズ推定を更に改良(1/2)
１．KeyPose：ステレオ画像で透明物体の三次元ポーズ推定を更に改良(1/2)まとめ ・透明な物体に対しては既存の深度センサーはうまく機能せず距離が測定できない ・以前紹介したClearGraspはニューラルネットで深度センサーの出力した...