機械学習論文研究会&データ前処理研究会 開催レポート

BLOG

こんにちは!Team AIです。先週の勉強会&ハッカソンの中から厳選して、当日のアジェンダを共有させていただきます。

 

機械学習論文研究会 開催レポート ー 10/21(土)

Team AI 機械学習論文研究会を開催しました。

大学機械学習講師、フリーランスエンジニア、金融機関の方々に加え、金沢人工知能コミュニティの上野さんも交え、最新の論文情報を一緒にリサーチしました。

Google DeepMindのAlpha Go Zero;
Policy Net(どこに石を置くかを確率でOutPut)
Value Net(盤面の評価値)
Policy Net + Value Netを結合(Dual)で使い、最終的にモンテカルロツリー探索(MTCS)にかける (P+V構造は前世代と同じだが、結合させたのが今回)
ResNetで盤面を画像認識してInPutする仕組み
棋譜データは一切使わず、ルールのみを教えて自己対戦で2900万回戦った
Lee Sedol王者を破った初代AlphaGoと戦って100勝0敗
PolicyNetは学習済みのものを前世代のAlphaGoから引き継いだ模様(この意味でフルスクラッチではない)
1手0.4秒で差し、1局80秒で終了する
前世代AlphaGoがTPU48台使用に対し、今回はTPU4台
つまり、アルゴリズムは飛躍的に強くなり、消費計算資源は1/12になっている。この意味で超画期的。
従来型の教師あり学習+強化学習の組み合わせで、教師データがなく研究が進まなかった分野でブレイクスルーとなる可能性がある成功事例
前世代、前々世代のAlphaGo論文と比べると進化がより具体的にわかりそう

AlphaGo Zero 論文要約ブログ;
http://blog.livedoor.jp/yuno_miyako/archives/1068350228.html#1508557027057

日銀黒田総裁の表情分析=>経済予測の研究(東大) : 論文が待たれますね!
https://headlines.yahoo.co.jp/hl…

強化学習を交通渋滞解消に活かそうとする研究分野;
https://arxiv.org/abs/1710.05465

 

 

データ前処理研究会 ー 10/17(火)

私の第二の故郷イタリアからの参加者2名。ロボティクス研究者、アプリケーションエンジニア、データサイエンティスト等の方々と議論し、前処理に関する論点を整理しました。

Benvenuto e buongiorno!!
Dopo 14 mesi dall’inizio di questo reunione, abbiamo I primi participatori italiani.
Una era ricercatorice dell’robotics all’universita di Waseda. Abbiamo parlato tanto di tecnologia e lavoro.

データクリーニング;
欠損値への対処(除去・平均値・中間値)
外れ値への対処
ノイズへの対処(画像や音声などに多い)
重複への対処

顔認識の際の前処理;
ラベル付け
顔抽出
特徴抽出
超解像
グレースケール化
背景削除
セグメント別分類
データ水増し
HOG特徴量抽出

テキスト分析の前処理;
分かち書き 形態素解析
文法エラー修正(英語)
同音異義語チェック
トピックモデル

時系列データ前処理;
欠損値除去
欠損値補填
窓関数 Sliding Window
ノイズ除去
標準化