1 of 25
Downloaded 14 times
Ad
Recommended
人工知能をめぐる 意識と環境と身体の理論（下）
人工知能をめぐる 意識と環境と身体の理論（下）Youichiro Miyake
?
玉川大学2017年11月4日（土）开催：心の哲学研究部门第９回研究会「人工知能と脳科学?哲学③―人工知能からみた「知能」の问题」 讲演资料です。一般向けのDeep Learning
一般向けのDeep LearningPreferred Networks
?
PFI 全体セミナーで発表した、専門家向けではなく一般向けのDeep Learning（深層学習）の解説です。どのような場面で活躍しているのか、今までの学習手法と何が違うのかを解説しています。いまさら闻けない机械学习の评価指标
いまさら闻けない机械学习の评価指标圭輔 大曽根
?
現在は機械学習ライブラリが充実しており、また、教師データの獲得も容易になっています。
そのため、機械学習のビジネス利用への敷居が下がっています。
予測や分類といった問題を解く際には、設定した課題に対してどのモデルが最も適しているかを評価するための指標(評価関数)が必要になります。
Kaggle(([有名なデータサイエンスのコンペティション](https://www.kaggle.com)))などでは評価指標が定まっていますが、実ビジネスで機械学習を応用する際には自ら評価指標を設定する必要があります。
しかし、適切な評価関数を選ぶのは初学者には難しく、またビジネスの問題設定、目的意識によっても異なります。
?さらに、オフラインでの予測はユーザの実際の行動予測とはギャップがある?場合もあります。
[1] Data-Driven Metric Development for Online Controlled Experiments: Seven Lessons Learned Xiaolin Shi*, Yahoo Labs; Alex Deng, Microsoft;?KDD '16
[2] 情報検索の基礎 Christopher D.Manning (著), Prabhakar Raghavan (著), Hinrich Schutze (著)?岩野 和生ら (翻訳), 共立出版 2012
[3] kaggle: https://www.kaggle.com/
そこで、多くある評価関数のうち代表的なものを幾つかをまとめました。独立深層学習行列分析に基づく多チャネル音源分離（Multichannel audio source separation based on indepen...
独立深層学習行列分析に基づく多チャネル音源分離（Multichannel audio source separation based on indepen...Daichi Kitamura
?
角野隼斗, 北村大地, 高宗典玄, 高道慎之介, 猿渡洋, 小野順貴, "独立深層学習行列分析に基づく多チャネル音源分離," 日本音響学会 2018年春季研究発表会講演論文集, 1-4-16, pp. 449–452, Saitama, March 2018.
Hayato Sumino, Daichi Kitamura, Norihiro Takamune, Shinnosuke Takamichi, Hiroshi Saruwatari, Nobutaka Ono, "Multichannel audio source separation based on independent deeply learned matrix analysis," Proceedings of 2018 Spring Meeting of Acoustical Society of Japan, 1-4-16, pp. 449–452, Saitama, March 2018 (in Japanese).
人工知能、意识、ベルクソン（応用哲学会ー〈意识の遅延テーゼ〉の行為论的射程?讲演资料）
人工知能、意识、ベルクソン（応用哲学会ー〈意识の遅延テーゼ〉の行為论的射程?讲演资料）Youichiro Miyake
?
平井靖史さん 太田宏之さんとのコラボセッション
〈意識の遅延テーゼ〉の行為論的射程??神経科学と
人工知能研究による「拡張ベルクソン主義」アプローチ
応用哲学会第九回年次研究大会
日時：2017年4月22日（土）、23日（日）
場所：福山平成大学
http://www.jacap.org/events/jacap2017.html
における講演資料です。
4/22（土） D 会場（3203）ワークショップ 14:10-16:10
平井靖史 太田宏之 三宅陽一郎
〈意識の遅延テーゼ〉の行為論的射程??神経科学と
人工知能研究による「拡張ベルクソン主義」アプローチ
ベルクソンの『物質と記憶』は、心の哲学に時間論からアプローチするという戦略で執筆された、
彼の哲学的主著である。専門の研究者の間でも十分な受容がなされてきたとは言い難いこの書物に
ついて、2015 年以降、現在の心の哲学および意識の科学のうちに文脈化することで、その理論的可
能性を包括的に再検証しようとする試みがなされてきている。
今回のワークショップでは、この試みにおいてその中心的な意義が明らかになりつつある二つの
テーゼをとりあげ、これらが「行為」の理解にどのような貢献をもたらしうるかを論じたい。ベル
クソンのアイデアに対して神経科学と人工知能研究の分野から検討をおこなうことで、論点の具体
化?精緻化を図り、より生産的な議論枠組みを整備することで広く諸分野の研究者からのコメント
を仰ぎたいと考える。「拡張ベルクソン主義」のポリシーに基づくため、目的はテキストの擁護では
なく、心と行為を、時間を通じて理解するためのモデルの提示と洗練である。
問題となるベルクソンのテーゼは以下の二つである。
1. 意識の遅延テーゼ：意識の出現を、反応遅延によってシステムが獲得する時間的延長およびそれ
による相対的な情報圧縮の効果として捉える。
2. 持続の多元論：均質的な絶対時間を否定し、異なる時間単位を有する諸システムの輻輳的共存か
ら知覚や行動の諸特性を導出する。
はじめに、ベルクソン研究者である平井から、各テーゼとその相互連関についての簡略な提示を
行う。ベルクソンのアプローチが際立つのは、意識がどのようなものであるかの本性の究明には、
意識がどのようにして生じるかという進化論的?発生論的観点が不可欠とみなす点である。比較生
物学的見地から、棘皮動物から脊椎動物にいたる生物知覚を、環境に対する入出力システムの時間
構造における変容としてとらえる（持続の多元論）。有機身体システムの複雑化が、その代償として
要した遅延＝時間的延長が、意識の質料的条件となっていると考えるのである（遅延テーゼ）。
さて、身体の有機組織化がもたらした時間的猶予は、環境に対する行動反応が並列的に多元化す
ること、および脳内での多様な編成を許す（「生まれかけの反作用」）。それは、以下の二つの点で、
認識と行動の質を大きく変えたと考えられる。すなわち、環境刺激をリアルタイムの要求に応じて
より柔軟かつ微細に分節することが、いわゆる表象的な認知を準備する点（「運動図式」）、そして、
一つの選択行動を遂行中にも、同時並列的に他の身体行動への準備運動を賦活しておくことが出来
る点（「有機的組織化」）、である。
神経科学者である太田からは、基底核を中心とした運動行動出力の遅延制御とその時間的多層性
について報告してもらう。トノーニとマッスィミーニは、脳内の各部位の活性化のタイミングのず
れ?遅延が存在する場合に、情報の量と統合性が高い水準で両立する（意識として現出する）こと
を指摘し、したがって大局的にはベルクソンの遅延テーゼに相当する主張を行っているものと捉え
られる。
しかし太田はこの主張には矛盾が存在することを指摘する。活性化タイミングの遅延は脳波を用
いて同定されるが、その解析対象となる脳部位は膨大な数の神経細胞から構成される。脳波の信号
はその膨大な数の神経細胞の同期発火があって初めて成立する。つまり、部位内の大域的同期が情
報の単位とされており、これは非同期性を基底とする主張と矛盾する。
代わりに、太田は個々の神経細胞の発火レベルで遅延が存在することを指摘する。そして皮質-基
底核-ドーパミン系においてその個々の遅延の調整によって、時間的に様々に縮約された感覚-運動対
の発現が制御されていることを紹介する。これは我々の選択を同期に基づいて成立する表象間の状
態遷移として描くモデルに反省を強いるものであり、一つの身体において運動出力を行うという意
味で、多層の持続リズムが溢れつつも収縮を余儀なくされるモデルへと我々を導く。
ゲーム人工知能研究を専門とする三宅からは、遅延条件の批判検討と、遂行中の行為が多元的で
ある必要性について、構成論的アプローチの所見を交えた報告がなされる。バーチャルにではあれ
すでに運動出力可能な身体を有したゲーム人工知能の研究は、意識や知覚にたいする行動の影響に
ついて極めて有益な示唆を持つ。
さて、三宅は現行製品においてすでに、ベルンシュタインの知見を踏まえつつ、階層化されたサ
ブサンプション?アーキテクチャをキャラクター身体のうちに実装している。しかしながら、階層
的な遅延を積み重ねているとは言え、現行の人工知能のモデルでは反射層の実装でしかない。した
がって、意識の発生には、単に遅延をともなう階層構造だけではない条件を同定する必要がある。
意識は世界の情報を受け取る感受の主体であると同時に、行為の主体ともなる。そこで注目する
のが、諸行為間の移行の滑らかさの問題である。第二提題が示すように、人間において、身体行動
レベルの出力はその立ち上げに秒単位の時間スケールを要する。したがって、ある選択行為を遂行
中にも、背景的には複数の行動プランが同時並行的に計画されており、それらが自身の実行機会の
獲得に向けて競合しているからこそ、行動プランから行動プランへの滑らかな遷移が遂行されるも
のとなると考えられるのである。多元的な準備運動が、時間スケール上の制約によって刈り込まれ、
場合によっては融合や再編成を被りながら、その都度の現実的行動を出力するこのプロセスに、自
己主体感の成立を見いだすことが出来るかもしれない。サルでもわかるディープラーニング入門 (2017年) (In Japanese)
サルでもわかるディープラーニング入門 (2017年) (In Japanese)Toshihiko Yamakami
?
サルでもわかるディープラーニング入門 (2017年)
人工知能に関しては何もわからないレベルから始めて
最後まで偏微分方程式とかさっぱりわからない、という状態で
ディープラーニングの解説をしてみました
※初出 20170121
※3分でわかるディープラーニング、を加筆(20170122)
※なぜディープラーニングが有効になったか、を加筆、TensorFlow playgroundをみて「クリックできればできる」は言い過ぎなのでその部分を訂正(20170123)
※ニューラルネットぽい概念図を加筆(20170124)
※「勝利の方程式』スライド加筆 (20170125)
※「問題解決の3段階」加筆 (20170126)
※「学習モデルをだます例」加筆 (20170301)
A1701talk deep-learning-introduction-170301(20170301)[DL輪読会](Sequential) Variational Autoencoders for Collaborative Filtering
[DL輪読会](Sequential) Variational Autoencoders for Collaborative FilteringDeep Learning JP
?
020/02/07
Deep Learning JP:
http://deeplearning.jp/seminar-2/2Deep Learningによる画像認識革命 ー歴史?最新理論から実践応用までー
Deep Learningによる画像認識革命 ー歴史?最新理論から実践応用までーnlab_utokyo
?
SSII 2015 チュートリアル講演 「Deep Learningによる画像認識革命」 2015年6月10日これから始める人の為のディープラーニング基础讲座
これから始める人の為のディープラーニング基础讲座NVIDIA Japan
?
このスライドは 2017 年 1 月 17 日 (火)、ベルサール高田馬場で開催された「NVIDIA Deep Learning Institute 2017」の最初のセッション、「これから始める人の為のディープラーニング基础讲座」にて、エヌビディア合同会社 ディープラーニング部 村上 真奈が講演しました。
このセッションでは、ディープラーニングをこれから始める方を対象に、必要な基本知識について説明します。ディープラーニングではニューラル ネットワークに大量のデータを学習させる事で画像認識や物体検出など様々な認識を行う事が可能です。セッション前半は、画像認識問題で使われる畳み込みニューラル ネットワーク (CNN) を理解する為の基礎概念について説明します。ニューラル ネットワークの基本となる多層パーセプトロン、誤差逆伝播法、確率的勾配降下法やミニバッチ学習などディープラーニングの学習過程を理解するで必要な数学的な基礎概念を解説します。
当該イベントにて、午後に開催されるハンズオンで用いられる基礎的な概念を、参加者の皆様に前もってご理解いただき、ハンズオンをより有意義に受講いただくためのセッションとなります。
ディープラーニングを用いた物体認識とその周辺 ～現状と課題～ (Revised on 18 July, 2018)
ディープラーニングを用いた物体認識とその周辺 ～現状と課題～ (Revised on 18 July, 2018)Masakazu Iwamura
?
物体認識技術は、ディープラーニングと大規模なデータセットの登場により、飛躍的に発展した。
これが突破口となり、物体検出や領域分割、画像の加工、画像や画像の説明文の生成など、物体認識の周辺技術も大きく発展した。
本講演では、ディープラーニングを用いた物体認識の処理を概観し、それによって得られる効果を述べた後、物体認識とその周辺技術の最近の動向と課題を紹介する。SSII2019TS: Shall We GANs?? ～GANの基礎から最近の研究まで～
SSII2019TS: Shall We GANs?? ～GANの基礎から最近の研究まで～SSII
?
SSII2019 チュートリアル講演
TS1 6月12日(水) 9:45～11:05 (メインホール)
Generative Adversarial Nets (GAN) は、提案されて以降、画像生成を中心に応用がなされ、また同時に理論的面も研究がなされてきた。本チュートリアルにおいては、まずGANの基本的な事項について述べる。GAN は「二つの分布を一致させる」ものであるが、提案手法を用いることでそれが達成できることを確認し、簡単な場合の数値計算結果を例示する。その後、時間の限り、GAN の応用例や、GAN の問題点とそれに対する最近の研究を紹介する。【チュートリアル】コンピュータビジョンによる動画認識 v2
【チュートリアル】コンピュータビジョンによる動画認識 v2Hirokatsu Kataoka
?
201 8年5月12日開催の第 16回ステアラボ人工知能セミナーにて講演する内容です。 https://stair.connpass.com/event/85167/
【概要】画像認識の精度は近年飛躍的に向上し、基盤/応用技術の研究開発が進められ、さらに拡がりを見せようとしている。しかし一方、刻一刻と変化する時系列情報である動画の解析に関しては発展途上段階にあり、高度な問題解決に至っていないのが現状である。本発表では近年の動画認識の変遷から最新動向、さらに発表者が実施した大規模解析により「動画認識は画像認識のように今後発展するのか？」というテーマについてディスカッションを行う。
3D-ResNets-PyTorch: https://github.com/kenshohara/3D-ResNets-PyTorch
【キーワード】コンピュータビジョン、動画認識、行動認識、モーション表現、時系列モデル、STIP、DT/IDT、Two-Stream CNN、TDD、TSN、3D Convolution、3D-ResNets、行動予測时系列问题に対する颁狈狈の有用性検証
时系列问题に対する颁狈狈の有用性検証Masaharu Kinoshita
?
Googleの株価（終値）予測タスクを題材として、CNNの時系列問題に対する有用性を検証する。
RNNをベンチマークとして、LSTM, CNN+LSTMの予測性能（MSE、学習時間）を比較する。深层强化学习でマルチエージェント学习（前篇）
深层强化学习でマルチエージェント学习（前篇）Junichiro Katsuta
?
The detailed results are described at GitHub (in English):
https://github.com/jkatsuta/exp-18-1q
(maddpg/experiments/my_notes/のexp1 ~ exp6)
立教大学のセミナー資料（前篇）です。
資料後篇：
/JunichiroKatsuta/ss-108099542
ブログ（動画あり）：
https://recruit.gmo.jp/engineer/jisedai/blog/multi-agent-reinforcement-learning/音響メディア信号処理における独立成分分析の発展と応用, History of independent component analysis for sou...
音響メディア信号処理における独立成分分析の発展と応用, History of independent component analysis for sou...Daichi Kitamura
?
2016年2月8日一橋大学大学院 国際企業戦略研究科
ファカルティセミナー招待講演 北村大地
北村大地→http://d-kitamura.sakura.ne.jp/index.html
ファカルティセミナー→http://www.fs.ics.hit-u.ac.jp/teaching_staff_research/faculty_seminar/SuperGlue; Learning Feature Matching with Graph Neural Networks (CVPR'20)
SuperGlue; Learning Feature Matching with Graph Neural Networks (CVPR'20)Yusuke Uchida
?
第三回 全日本コンピュータビジョン勉強会（前編）
CVPR'20読み会の資料です
https://kantocv.connpass.com/event/178126/
SuperGlue; Learning Feature Matching with Graph Neural Networks の解説NIPS KANSAI Reading Group #7: 逆強化学習の行動解析への応用
NIPS KANSAI Reading Group #7: 逆強化学習の行動解析への応用Eiji Uchibe
?
Can AI predict animal movements? Filling gaps in animal trajectories using inverse reinforcement learning, Ecosphere,
Modeling sensory-motor decisions in natural behavior, PLoS Comp. Biol.SSII2019企画: 画像および LiDAR を用いた自動走行に関する動向
SSII2019企画: 画像および LiDAR を用いた自動走行に関する動向SSII
?
SSII2019 企画セッション「画像センシング技術の最先端」
6月12日(水) 11:20～12:05 (メインホール)
画像や LiDAR はロボットや自動車の自動走行を実現するにあたり、最もメジャーなセンサとして利用されている。そのため、多くの手法が日々新たに研究開発されており、その動向を追いかけることは容易でなくなっている。本講演ではロボットや自動運転に関するトップカンファレンスである ICRA、IROS、IV、ITSC において発表された研究報告を基に、近年の画像や LiDAR を用いた自己位置推定や SLAM に関する研究や動向についてまとめる?。コンピュータビジョンの研究开発状况
コンピュータビジョンの研究开発状况cvpaper. challenge
?
cvpaper.challengeはコンピュータビジョン分野の今を映し、トレンドを創り出す挑戦です。論文サマリ?アイディア考案?議論?実装?論文投稿に取り組み、凡ゆる知識を共有しています。
http://xpaperchallenge.org/cv/ 【DL輪読会】A Path Towards Autonomous Machine Intelligence
【DL輪読会】A Path Towards Autonomous Machine IntelligenceDeep Learning JP
?
2022/7/29
Deep Learning JP
http://deeplearning.jp/seminar-2/自分アジェンダを引き出すコーチング解説スライド
自分アジェンダを引き出すコーチング解説スライドリーダーシップ研究アカデミー?CLS Japan本部
?
http://uls-aami.blogspot.com/
自分が満足感、幸福感を感じるためには、まず自分の存在がどのようなものかを探求し、自分を取り巻く大事な人々の輪、社会の輪、世界の輪、自然環境の輪に気づき、そういった周囲との和を大事にすること、そして、そういった存在である自分を極めること、が重要な要素になるのではないかと考えています。
全文は???
http://www.dlmarket.jp/product_info.php/page/1/products_id/162987
こういった「本当に大事な自分」を軸とする考え方を「自分アジェンダ」とし、周囲の大事なネットワークと共に生きていくリーダーシップを「アジェンダによるリーダーシップ（Agenda Driven Leadership）」としてまとめています。
本稿は、「アジェンダによるリーダーシップ」をきっかけとして、「状況対応リーダーシップ?」および「U理論」を参考に、自分アジェンダを引き出すコーチングの行動モデルを構築しようとしている解説スライドのドラフトです（バージョン1.1）。今後も書き直しを進めていくつもりです。More Related Content
What's hot (20)
サルでもわかるディープラーニング入門 (2017年) (In Japanese)
サルでもわかるディープラーニング入門 (2017年) (In Japanese)Toshihiko Yamakami
?
サルでもわかるディープラーニング入門 (2017年)
人工知能に関しては何もわからないレベルから始めて
最後まで偏微分方程式とかさっぱりわからない、という状態で
ディープラーニングの解説をしてみました
※初出 20170121
※3分でわかるディープラーニング、を加筆(20170122)
※なぜディープラーニングが有効になったか、を加筆、TensorFlow playgroundをみて「クリックできればできる」は言い過ぎなのでその部分を訂正(20170123)
※ニューラルネットぽい概念図を加筆(20170124)
※「勝利の方程式』スライド加筆 (20170125)
※「問題解決の3段階」加筆 (20170126)
※「学習モデルをだます例」加筆 (20170301)
A1701talk deep-learning-introduction-170301(20170301)[DL輪読会](Sequential) Variational Autoencoders for Collaborative Filtering
[DL輪読会](Sequential) Variational Autoencoders for Collaborative FilteringDeep Learning JP
?
020/02/07
Deep Learning JP:
http://deeplearning.jp/seminar-2/2Deep Learningによる画像認識革命 ー歴史?最新理論から実践応用までー
Deep Learningによる画像認識革命 ー歴史?最新理論から実践応用までーnlab_utokyo
?
SSII 2015 チュートリアル講演 「Deep Learningによる画像認識革命」 2015年6月10日これから始める人の為のディープラーニング基础讲座
これから始める人の為のディープラーニング基础讲座NVIDIA Japan
?
このスライドは 2017 年 1 月 17 日 (火)、ベルサール高田馬場で開催された「NVIDIA Deep Learning Institute 2017」の最初のセッション、「これから始める人の為のディープラーニング基础讲座」にて、エヌビディア合同会社 ディープラーニング部 村上 真奈が講演しました。
このセッションでは、ディープラーニングをこれから始める方を対象に、必要な基本知識について説明します。ディープラーニングではニューラル ネットワークに大量のデータを学習させる事で画像認識や物体検出など様々な認識を行う事が可能です。セッション前半は、画像認識問題で使われる畳み込みニューラル ネットワーク (CNN) を理解する為の基礎概念について説明します。ニューラル ネットワークの基本となる多層パーセプトロン、誤差逆伝播法、確率的勾配降下法やミニバッチ学習などディープラーニングの学習過程を理解するで必要な数学的な基礎概念を解説します。
当該イベントにて、午後に開催されるハンズオンで用いられる基礎的な概念を、参加者の皆様に前もってご理解いただき、ハンズオンをより有意義に受講いただくためのセッションとなります。
ディープラーニングを用いた物体認識とその周辺 ～現状と課題～ (Revised on 18 July, 2018)
ディープラーニングを用いた物体認識とその周辺 ～現状と課題～ (Revised on 18 July, 2018)Masakazu Iwamura
?
物体認識技術は、ディープラーニングと大規模なデータセットの登場により、飛躍的に発展した。
これが突破口となり、物体検出や領域分割、画像の加工、画像や画像の説明文の生成など、物体認識の周辺技術も大きく発展した。
本講演では、ディープラーニングを用いた物体認識の処理を概観し、それによって得られる効果を述べた後、物体認識とその周辺技術の最近の動向と課題を紹介する。SSII2019TS: Shall We GANs?? ～GANの基礎から最近の研究まで～
SSII2019TS: Shall We GANs?? ～GANの基礎から最近の研究まで～SSII
?
SSII2019 チュートリアル講演
TS1 6月12日(水) 9:45～11:05 (メインホール)
Generative Adversarial Nets (GAN) は、提案されて以降、画像生成を中心に応用がなされ、また同時に理論的面も研究がなされてきた。本チュートリアルにおいては、まずGANの基本的な事項について述べる。GAN は「二つの分布を一致させる」ものであるが、提案手法を用いることでそれが達成できることを確認し、簡単な場合の数値計算結果を例示する。その後、時間の限り、GAN の応用例や、GAN の問題点とそれに対する最近の研究を紹介する。【チュートリアル】コンピュータビジョンによる動画認識 v2
【チュートリアル】コンピュータビジョンによる動画認識 v2Hirokatsu Kataoka
?
201 8年5月12日開催の第 16回ステアラボ人工知能セミナーにて講演する内容です。 https://stair.connpass.com/event/85167/
【概要】画像認識の精度は近年飛躍的に向上し、基盤/応用技術の研究開発が進められ、さらに拡がりを見せようとしている。しかし一方、刻一刻と変化する時系列情報である動画の解析に関しては発展途上段階にあり、高度な問題解決に至っていないのが現状である。本発表では近年の動画認識の変遷から最新動向、さらに発表者が実施した大規模解析により「動画認識は画像認識のように今後発展するのか？」というテーマについてディスカッションを行う。
3D-ResNets-PyTorch: https://github.com/kenshohara/3D-ResNets-PyTorch
【キーワード】コンピュータビジョン、動画認識、行動認識、モーション表現、時系列モデル、STIP、DT/IDT、Two-Stream CNN、TDD、TSN、3D Convolution、3D-ResNets、行動予測时系列问题に対する颁狈狈の有用性検証
时系列问题に対する颁狈狈の有用性検証Masaharu Kinoshita
?
Googleの株価（終値）予測タスクを題材として、CNNの時系列問題に対する有用性を検証する。
RNNをベンチマークとして、LSTM, CNN+LSTMの予測性能（MSE、学習時間）を比較する。深层强化学习でマルチエージェント学习（前篇）
深层强化学习でマルチエージェント学习（前篇）Junichiro Katsuta
?
The detailed results are described at GitHub (in English):
https://github.com/jkatsuta/exp-18-1q
(maddpg/experiments/my_notes/のexp1 ~ exp6)
立教大学のセミナー資料（前篇）です。
資料後篇：
/JunichiroKatsuta/ss-108099542
ブログ（動画あり）：
https://recruit.gmo.jp/engineer/jisedai/blog/multi-agent-reinforcement-learning/音響メディア信号処理における独立成分分析の発展と応用, History of independent component analysis for sou...
音響メディア信号処理における独立成分分析の発展と応用, History of independent component analysis for sou...Daichi Kitamura
?
2016年2月8日一橋大学大学院 国際企業戦略研究科
ファカルティセミナー招待講演 北村大地
北村大地→http://d-kitamura.sakura.ne.jp/index.html
ファカルティセミナー→http://www.fs.ics.hit-u.ac.jp/teaching_staff_research/faculty_seminar/SuperGlue; Learning Feature Matching with Graph Neural Networks (CVPR'20)
SuperGlue; Learning Feature Matching with Graph Neural Networks (CVPR'20)Yusuke Uchida
?
第三回 全日本コンピュータビジョン勉強会（前編）
CVPR'20読み会の資料です
https://kantocv.connpass.com/event/178126/
SuperGlue; Learning Feature Matching with Graph Neural Networks の解説NIPS KANSAI Reading Group #7: 逆強化学習の行動解析への応用
NIPS KANSAI Reading Group #7: 逆強化学習の行動解析への応用Eiji Uchibe
?
Can AI predict animal movements? Filling gaps in animal trajectories using inverse reinforcement learning, Ecosphere,
Modeling sensory-motor decisions in natural behavior, PLoS Comp. Biol.SSII2019企画: 画像および LiDAR を用いた自動走行に関する動向
SSII2019企画: 画像および LiDAR を用いた自動走行に関する動向SSII
?
SSII2019 企画セッション「画像センシング技術の最先端」
6月12日(水) 11:20～12:05 (メインホール)
画像や LiDAR はロボットや自動車の自動走行を実現するにあたり、最もメジャーなセンサとして利用されている。そのため、多くの手法が日々新たに研究開発されており、その動向を追いかけることは容易でなくなっている。本講演ではロボットや自動運転に関するトップカンファレンスである ICRA、IROS、IV、ITSC において発表された研究報告を基に、近年の画像や LiDAR を用いた自己位置推定や SLAM に関する研究や動向についてまとめる?。コンピュータビジョンの研究开発状况
コンピュータビジョンの研究开発状况cvpaper. challenge
?
cvpaper.challengeはコンピュータビジョン分野の今を映し、トレンドを創り出す挑戦です。論文サマリ?アイディア考案?議論?実装?論文投稿に取り組み、凡ゆる知識を共有しています。
http://xpaperchallenge.org/cv/ 【DL輪読会】A Path Towards Autonomous Machine Intelligence
【DL輪読会】A Path Towards Autonomous Machine IntelligenceDeep Learning JP
?
2022/7/29
Deep Learning JP
http://deeplearning.jp/seminar-2/Similar to アフォーダンスについて语るよ (12)
自分アジェンダを引き出すコーチング解説スライド
自分アジェンダを引き出すコーチング解説スライドリーダーシップ研究アカデミー?CLS Japan本部
?
http://uls-aami.blogspot.com/
自分が満足感、幸福感を感じるためには、まず自分の存在がどのようなものかを探求し、自分を取り巻く大事な人々の輪、社会の輪、世界の輪、自然環境の輪に気づき、そういった周囲との和を大事にすること、そして、そういった存在である自分を極めること、が重要な要素になるのではないかと考えています。
全文は???
http://www.dlmarket.jp/product_info.php/page/1/products_id/162987
こういった「本当に大事な自分」を軸とする考え方を「自分アジェンダ」とし、周囲の大事なネットワークと共に生きていくリーダーシップを「アジェンダによるリーダーシップ（Agenda Driven Leadership）」としてまとめています。
本稿は、「アジェンダによるリーダーシップ」をきっかけとして、「状況対応リーダーシップ?」および「U理論」を参考に、自分アジェンダを引き出すコーチングの行動モデルを構築しようとしている解説スライドのドラフトです（バージョン1.1）。今後も書き直しを進めていくつもりです。Kulibrarians 20100827 slide
Kulibrarians 20100827 slidekulibrarians
?
ku-librarians #125 「科学的合理性に著しく反する図書に図書館はどうつきあっているのか？：聞き取り調査を通じて」岡部 晋典 氏 (千里金蘭大学 現代社会学部講師)Interview02 Ethnomethodology
Interview02 EthnomethodologyUCIlab1
?
私たちが何気なくできてしまっている「当たり前」の中にある方法论に、どうすれば気づくことができるのか。日本におけるエスノメソドロジーの第一人者である西阪先生にお话をお伺いしました。Ad
アフォーダンスについて语るよ
- 1. アフォーダンス について語るよ Yuta YOSHIIKE / @lucky_pool 2012/04/24
- 3. 今日の内容 ? 心理学においての アフォーダンス ? 新書（入門者向け） ざっくり紹介 ? よく知られてる アフォーダンスとの 違いも紹介
- 4. J. J. Gibson (1904 - 1979) アフォーダンス考えた人 アメリカの心理学者 生态心理学の始祖
- 6. ？？
- 7. 考えてみる ? どれくらいの高さの 脚の0.9倍の高さ 椅子なら 手を使わず座れる？ ? どれくらいの幅の 肩幅の1.3倍の幅 隙間なら前を向いた まますり抜けられる？
- 8. 環境にある「価値」 ? 座れる高さのもの その動物の身体 に ? すり抜けられる隙間 とっての、環境 が 提供する価値 ? つかめる距離のもの
- 10. a?ordance 【名】 環境が動物に提供する「価値」 骋颈产蝉辞苍による造语
- 11. アフォーダンス ? 椅子は座ることをアフォードする ? 大地は立つ/歩くことをアフォードする ? 紙は包むことをアフォードする アフォーダンスは環境に無限に存在している
- 12. 難解なアフォーダンス ? アフォーダンスは、刺激ではなく「情報」 ? 刺激のように「押し付けられる」ものではな く、知覚者が「発見し」「獲得する」もの ? 関係のとり方によって、その都度、出現した り、消失したりするものと考えない 生態学的実在論（Ecological Realism）
- 13. 生态心理学 Ecological Psychology ? 環境に無限に存在する価値（アフォー ダンス）を、いかに動物が利用してい るかという「１つの系」として、動物 の知覚システムを説明しなおしている デカルトによる近代的な主体性の概念 「二元論」をdisってる
- 16. 理を変える概念
- 18. +α
- 19. デザイン領域での誤用 ? 「人をある行為に誘導するためのヒントを 示す事」という意味 ? 「わかりやすい引き手を取り付けること で、タンスが引いて開けるという動作をよ り強くアフォードする」等という意味合い 本来の意味でのアフォーダンスと違う
- 20. D. A. Norman (1935 - ) アフォーダンス広めた人 アメリカの認知科学者 HCDとかの人
- 21. 誤用が 広まった本 でもアフォーダンスが広まり UIをデザインする指針として すごい重宝された
- 22. シグニファイア signi?er 指し示すもの 「知覚された」アフォーダンス デザイン分野ではこっち
- 23. おさらい ? 「アフォーダンス」は生态心理学 ? 知覚システム論はぶっとんでる ? UI/UXデザインしたいエンジニアの人 は「シグニファイア」を使いましょう
- 24. 参考文献 ? 佐々木正人：アフォーダンス-新しい認知の理論 ? http://www.amazon.co.jp/dp/4000065122 ? J.J.ギブソン：生態学的視覚論―ヒトの知覚世界を探る ? http://www.amazon.co.jp/dp/4781903932 ? D.ノーマン：誰のためのデザイン?──認知科学者のデザイン原論 ? http://www.amazon.co.jp/dp/478850362X ? D.ノーマン：複雑さと共に暮らす―デザインの挑戦 ? http://www.amazon.co.jp/dp/4788512475
- 25. Thanks ! ? mail: luckypool314@gmail.com ? twitter: @lucky_pool