2018-05-09

■

草祭 (新潮文庫)

作者: 恒川光太郎
出版社/メーカー: 新潮社
発売日: 2011/04/26
メディア: 文庫
購入: 1人クリック: 6回
この商品を含むブログ (16件) を見る

最悪の事故が起こるまで人は何をしていたのか (草思社文庫)

作者: ジェームズ・R.チャイルズ,高橋健次
出版社/メーカー: 草思社
発売日: 2017/08/02
メディア: 文庫
この商品を含むブログを見る

2018-05-09

■

Rで楽しむベイズ統計入門[しくみから理解するベイズ推定の基礎] (Data Science Library)

作者: 奥村晴彦,瓜生真也,牧山幸史,石田基広
出版社/メーカー: 技術評論社
発売日: 2018/01/16
メディア: 大型本
この商品を含むブログ (7件) を見る

基礎からわかる時系列分析 ―Rで実践するカルマンフィルタ・MCMC・粒子フィルター (Data Science Library)

作者: 萩原淳一郎,瓜生真也,牧山幸史,石田基広
出版社/メーカー: 技術評論社
発売日: 2018/03/23
メディア: 大型本
この商品を含むブログ (1件) を見る

再現可能性のすゝめ (Wonderful R 3)

作者: 高橋康介,市川太祐,高柳慎一,福島真太朗,松浦健太郎,石田基広
出版社/メーカー: 共立出版
発売日: 2018/05/09
メディア: 単行本
この商品を含むブログ (2件) を見る

ENTAME(エンタメ) 2018年 06 月号 [雑誌]

出版社/メーカー: 徳間書店
発売日: 2018/04/28
メディア: 雑誌
この商品を含むブログを見る

BEASTARS 8 (少年チャンピオン・コミックス)

作者: 板垣巴留
出版社/メーカー: 秋田書店
発売日: 2018/05/08
メディア: コミック
この商品を含むブログを見る

2018-05-04

■

あさひなぐ（２６） (ビッグコミックス)

作者: こざき亜衣
出版社/メーカー: 小学館
発売日: 2018/05/02
メディア: Kindle版
この商品を含むブログを見る

5th YEAR BIRTHDAY LIVE 2017.2.20-22 SAITAMA SUPER ARENA(完全生産限定盤)(Blu-Ray)

アーティスト: 乃木坂46
出版社/メーカー: SMR(SME)(D)
発売日: 2018/03/28
メディア: Blu-ray
この商品を含むブログを見る

ストレスから買ってしまった．

リズと青い鳥 : 作品情報 - 映画.com
「リズと青い鳥」はラストよりもそこに至るまでの細かいやりとりに心を打たれた．

ゲット・アウト : 作品情報 - 映画.com
ゲット・アウト，差別的なホラーのつもりで構えていたらそういう感じのホラーか，となった．

生駒里奈卒業コンサート，とても楽しかった．「制服のマネキン」で涙をこらえる桜井玲香とダブルアンコールで花を渡す時に号泣している中村麗乃．

2018-04-28

■

日記

BRODY (ブロディ) 2018年6月号

出版社/メーカー: 白夜書房
発売日: 2018/04/23
メディア: 雑誌
この商品を含むブログを見る

FLASHスペシャルグラビアBEST 2018GW号 (FLASH増刊)

作者: エンタテインメント編集部
出版社/メーカー: 光文社
発売日: 2018/04/20
メディア: 雑誌
この商品を含むブログを見る

FLASH (フラッシュ) 2018年 5/8・5/15合併号

出版社/メーカー: 光文社
発売日: 2018/04/23
メディア: 雑誌
この商品を含むブログを見る

SPA!(スパ!) 2018年 5/1・8 合併号 [雑誌]

出版社/メーカー: 扶桑社
発売日: 2018/04/24
メディア: 雑誌
この商品を含むブログを見る

20th 「シンクロニシティ」の好きなところ

0:20 でコンクリートに足の指の形が大量に残っているところ
1:21 の両腕を伸ばした秋元真夏
2:35 あたりからの堀未央奈さんの腰の落としっぷり

「深層学習は最強」「深層学習を使わない人間は老害」「老害はすぐに昔の手法を使えと言い出す」「老害は死ね」という意見が大半を占めるようなタイムラインになっていて，そのようなタイムラインになったのは自分が悪いという話はあるのだけど，とはいえここ三年ぐらいは自分の領域において深層学習によってブレイクスルーは起こるのだろうかということを考えながら様々な案件で実験を行ってきた．

今のところ，自分の領域では深層学習はほとんどの場合うまく働かないという結論に至っている．領域の論文を読んでもそこまで強く差が出ているわけではなく，より強いベースラインには負けてしまうのではないか，という気持ちがある．これはデータ量の問題ではなく，タスク，というより領域そのものの問題であるように思う．

自分は深層学習に対して「入力と出力の関係が人間の目で見れば確かなものであれば非常に高い精度が出るのではないか」と考えている．言語や画像はその最たる例で，人間が持っている文法への知識や理解，画像を見た時に得られる認識をいかにデータを用いて関数で表現するかというタスクにおいて深層学習が効果を発揮しているのではないかと思っている．

しかし自分の領域は入力と出力の関係が人が見ても理解可能ではなく，「どうしてそのような値になるのかがわからない」ということが多い．よって，そのようなあやふやな関係は深層学習を用いてもうまく推定できない，むしろ失敗してしまうのではないかと思う．

いつも新たなタスクを見てはニューラルネットワークの最新論文の手法を試しては思ったような精度が出ず，LightGBM あたりの方が良かった，とがっかりしている (余談だけど LightGBM を用いてパラメータのグリッドサーチをしていると Segmantation Fault が発生することがよくあり結構困っている)．

いつか深層学習で精度が出るタスクに出会い，深層学習の素晴らしさを実感したい．