One year ago, Tomáš Mikolov (together with his colleagues at Google) made some ripples by releasing word2vec, an unsupervised algorithm for learning the meaning behind words. In this blog post, I’ll evaluate some extensions that have appeared over the past year, including GloVe and matrix factorization via SVD. In case you missed the buzz, word2vec was widely featured as a member of the “new wave”
1. 西本伸志 1) 情報通信研究機構 脳情報通信融合研究センター (CiNet) 2) 大阪大学 大学院生命機能研究科 自然な知覚を支える脳情報表現の定量理解 QBiC/CiNet脳型情報処理研究会（第４回全脳アーキテクチャ勉強会） 2014/6/2 2. 専門：神経科学（実験＋数理的アプローチ） 2000年 大阪大学基礎工学部 生物工学コース 中退（飛び級） 2005年 大阪大学基礎工学研究科 生物工学分野 修了 博士（理学） 初期視覚野細胞の非線形受容野解析（細胞記録） 2005-2010年 カリフォルニア大学バークレー校 博士研究員 2010-2013年 カリフォルニア大学バークレー校 アソシエート・スペシャリスト 脳内時空間・意味表象解析、脳情報デコーディング（fMRI、細胞記録） 2013年-現在 情報通信研究機構 脳情報通信融合研究センター 主任研究員 （兼任：大阪大学生命機
ご講演内容 講師： 西本 伸志 先生 情報通信研究機構(NICT) 脳情報通信融合研究センター主任研究員 題名： 自然視知覚を支える脳内表象 要旨： 私たちの日常を彩る自然な体験は、複雑で多様、かつダイナミックである。 脳神経科学のゴールの一つは、このような自然で複雑な知覚・認知体験を司る脳機能を理解することにある。本講演では、自然条件下における脳神経情報処理の 定量的理解を目指すための枠組みとして、モデリングアプローチを紹介したい。このアプローチでは、脳神経情報処理に関する仮説は任意の自然条件下 における脳神経活動を予測する定量モデル（エンコーディングモデル）として実装され、仮説の妥当性は新規条件下における脳神経活動のモデル予測性 能によって評価される。この枠組みの例として、私たちは自然動画刺激下におけるヒト脳活動記録（fMRI記録）を行い、その予測モデル構築および 表象解釈を試みた。そ
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く