projects:sgd [leon.bottou.org]
Learning algorithms based on Stochastic Gradient approximations are known for their poor performance on optimization tasks and their extremely good performance on machine learning tasks (Bottou and Bousquet, 2008). Despite these proven capabilities, there were lingering concerns about the difficulty of setting the adaptation gains and achieving robust performance. Stochastic gradient algorithms ha
æ—¥æœ¬èªžè¿°èªžé …æ§‹é€ è§£æžå™¨ YuCha 「夕茶ã€
目的 ã€Œè¿°èªžé …æ§‹é€ è§£æžã€ã¨ã¯æ–‡æ›¸ä¸ã®å„述語ã«å¯¾ã—ã¦ï¼Œã€Œé …ã€ã¨ãªã‚‹åè©žå¥ç‰ã‚’当ã¦ã‚‹ã“ã¨ã§ã™ï¼Ž ç§ã¯ä»Šæ—¥ï¼Œãƒˆãƒžãƒˆã‚«ãƒ¬ãƒ¼ã‚’(1)食ã¹ã¾ã—ãŸï¼Ž 明日ã¯å¤ªéƒŽã¨ã‚¤ãƒ³ãƒ‰ã‚«ãƒ¬ãƒ¼ã‚’(2)食ã¹ã«ã‚·ãƒ§ãƒƒãƒ”ングセンターã«(3)è¡Œã予定ã§ã™ï¼Ž 上ã®ä¾‹ã§ã¯ï¼Œ ç§ãŒ トマトカレーを 食ã¹ã‚‹ ç§ãŒ インドカレーを 食ã¹ã‚‹ ç§ãŒ ショッピングセンター㫠行ã ã¨ã„ã†ã“ã¨ã‚’当ã¦ã‚‹ã®ãŒç›®çš„ã§ã™ï¼Ž ã“ã®ã‚ˆã†ãªã“ã¨ãŒåˆ†ã‹ã‚Œã°ï¼Œè¡¨é¢çš„ãªè¨˜è¿°ã«æƒ‘ã‚ã•ã‚Œãªã„自動翻訳や， 精度ã®é«˜ã„æƒ…å ±æ¤œç´¢ãªã©ã«å½¹ç«‹ã¡ã¾ã™ï¼Ž é–‹ç™ºçŠ¶æ³ TODO 述語ã®æ ¼ãƒ•ãƒ¬ãƒ¼ãƒ 判定ç‰ï¼Œã¾ã ã¾ã 未実装ã®æ©Ÿèƒ½ãŒãŸãã•ã‚“ã‚ã‚Šã¾ã™ï¼Ž $ ./bin/default/yucha /tmp/ntc ç§ã¯ä»Šæ—¥ï¼Œãƒˆãƒžãƒˆã‚«ãƒ¬ãƒ¼ã‚’食ã¹ã¾ã—ãŸï¼Ž 明日ã¯å¤ªéƒŽã¨ã‚¤ãƒ³ãƒ‰ã‚«ãƒ¬ãƒ¼ã‚’食ã¹ã«ï¼Œã‚·ãƒ§ãƒƒãƒ”ングセンタã¸è¡Œã予定ã§ã™ï¼Ž EOT GA 0 ç§ã¯ 食ã¹ã¾ã—ãŸï¼Ž GA 1 ç§ã¯ 食ã¹ã«ï¼Œ GA
å˜èªžåˆ†å‰²å™¨Micterを公開ã—ã¾ã—㟠- å°„æ’ƒã—ã¤ã¤å‰è»¢ 改
ã—ã°ã‚‰ã日記書ã„ã¦ãªã‹ã£ãŸã‚‰ã€ã¾ãŸæ–‡ä½“忘れã¦æ•¬ä½“ã§æ›¸ã„ã¡ã‚ƒã£ãŸã‚ˆâ€¦ã€‚ã§ã‚‚常体ã«æ›¸ãæ›ãˆã‚‹ã®ã‚‚ã‚ã‚“ã©ãã•ã„ã®ã§ã“ã®ã¾ã¾ã†pã—ã¾ã™ã€‚ å˜èªžåˆ†å‰²å™¨ã‚’作ã£ãŸã®ã§ã€githubã§å…¬é–‹ã—ã¾ã—ãŸã€‚→http://github.com/tkng/micter åå‰ã¯å˜ç´”ã«MIC segmenTERã§micterã«ã—ã¾ã—ãŸã€‚作ã£ã¦ã‹ã‚‰æ°—ã¥ã„ãŸã®ã§ã™ãŒã€segmentã¨ã„ã†å˜èªžã®ã†ã¡ã€æœ€å¾Œã®tã—ã‹åå‰ã«å…¥ã£ã¦ã„ã¾ã›ã‚“。今更åå‰ã‚’変ãˆã‚‹ã®ã‚‚é¢å€’ãªã®ã§ã“ã®ã¾ã¾ã«ã—ã¦ãŠãã¾ã™ãŒã€å¾®å¦™ã«å¤±æ•—ã—ãŸæ„ŸãŒã‚ã‚Šã¾ã™ã…。 å½¢æ…‹ç´ è§£æžå™¨ã¨ã—ã¦ã¯æ—¢ã«mecabやらchasenやらjumanやらãŒã‚ã‚Šã¾ã™ã—ã€æœ€è¿‘ã§ã¯å˜èªžåˆ†å‰²&èªã¿æŽ¨å®šã®kyteaã‚‚ã‚ã‚Šã¾ã™ã€‚ãã‚“ãªã«ã„ã‚ã„ã‚ã‚ã‚‹ä¸ã§ã¾ãŸä¼¼ãŸã‚ˆã†ãªãƒ„ールを書ã„ãŸã®ã¯ã€è‡ªåˆ†ã®ãƒ‘ッケージã«å–ã‚Šã“ã‚ã‚‹å°ã•ãªå˜èªžåˆ†å‰²å™¨ãŒæ¬²ã—ã‹ã£ãŸã®ãŒç†ç”±ã§ã™ã€‚æ–‡ç« ã‚’å˜èªžã«åˆ†å‰²ã™ã‚‹æ©Ÿèƒ½ã ã‘ã‚ã‚Œã°ã„ã„ã‚“ã ã‘ã©ã€
KyTea (京都テã‚スト解æžãƒ„ールã‚ット)
English 京都テã‚スト解æžãƒ„ールã‚ット(KyTeaã€ã€Œã‚ューティーã€)ã¯ã€æ—¥æœ¬èªžãªã©ã€å˜èªž(ã¾ãŸã¯å½¢æ…‹ç´ )分割を必è¦ã¨ã™ã‚‹è¨€èªžã®ãŸã‚ã®ä¸€èˆ¬çš„ãªãƒ†ã‚スト解æžå™¨ã§ã™ã€‚ 特徴 ダウンãƒãƒ¼ãƒ‰ãƒ»ã‚¤ãƒ³ã‚¹ãƒˆãƒ¼ãƒ« プãƒã‚°ãƒ©ãƒ 仕様 解æžï¼šæ‰‹æ³•ã®è©³ç´°, 入出力ã®å½¢å¼, API å¦ç¿’：モデルå¦ç¿’, 入手å¯èƒ½ãªãƒ¢ãƒ‡ãƒ« KyTeaを使ã£ãŸåˆ†é‡Žé©å¿œ é–‹ç™ºæƒ…å ± 特徴 KyTeaã«ã¯ä»¥ä¸‹ã®æ©Ÿèƒ½ãŒæƒã£ã¦ã„ã¾ã™ï¼š å˜èªžåˆ†å‰²ï¼šåˆ†ã‹ã¡æ›¸ãã•ã‚Œã¦ã„ãªã„テã‚ストをé©å½“ãªå˜èªžã¾ãŸã¯å½¢æ…‹ç´ ã«åˆ†å‰²ã™ã‚‹ã€‚ èªã¿æŽ¨å®šãƒ»å“詞推定：ã‹ãªæ¼¢å—変æ›ã‚„音声èªè˜ã€éŸ³å£°ç”Ÿæˆã®ãŸã‚ã«å˜èªžã®ç™ºéŸ³ã‚’推定ã™ã‚‹ã“ã¨ãŒã§ãã€å“詞を推定ã™ã‚‹ã“ã¨ã‚‚ã§ãã¾ã™ã€‚ ç·šå½¢SVMã‚„ãƒã‚¸ã‚¹ãƒ†ã‚£ãƒƒã‚¯å›žå¸°ãªã©ã‚’用ã„ã¦ãã‚Œãžã‚Œã®åˆ†å‰²ç‚¹ã‚„èªã¿ã‚’個別ã«æŽ¨å®šã™ã‚‹ãŸã‚ã€éƒ¨åˆ†çš„ã«ã‚¢ãƒŽãƒ†ãƒ¼ã‚·ãƒ§ãƒ³ã•ã‚ŒãŸãƒ‡ãƒ¼ã‚¿ã‚’利用ã—ã¦ãƒ¢ãƒ‡ãƒ«ã‚’å¦ç¿’ã™ã‚‹ã“ã¨ã‚‚å¯èƒ½ã§ã™ã€‚ 分類器ã®å¦ç¿’ã«ã¯LIBLINEARを使用ã—ã¦ã„
1
リリースã€éšœå®³æƒ…å ±ãªã©ã®ã‚µãƒ¼ãƒ“スã®ãŠçŸ¥ã‚‰ã›
最新ã®äººæ°—エントリーã®é…ä¿¡
j次ã®ãƒ–ックマーク
kå‰ã®ãƒ–ックマーク
lã‚ã¨ã§èªã‚€
eコメント一覧を開ã
oページを開ã
{{#tags}}- {{label}}
{{/tags}}