今回は3人が発表しました。また、商学部1年の方が1名見学に来てくれました！

U-Net: Convolutional Networks for Biomedical Image Segmentationの紹介

論文はこちら

Image-to-ImageのCNNを改良したU-Netの提案論文。生物分野ではデータが小さいことが良くあり、これを克服することを目的として提案されました。現在は様々な分野に適用されています。

TDAの概要と適用・有用性

TDA（Topological Data Analysis・位相的データ解析）の概要と、位相幾何学によってデータ解析や機械学習がどのような恩恵を受けるのかを紹介しました。

Depth Creates No Bad Local Minimaの紹介

論文はこちら

ニューラルネットワークの損失関数の非凸性を生む「深さ」と「非線形性」のうち、「深さ」に注目した論文です。線形の活性化関数で結ばれた層をどれだけ深くしても、全ての局所解は大域最適解と一致することが説明されています。

AI班の紹介

慶応義塾大学のコンピュータサークルKCSのAI班では人工知能の理論や実装を勉強をしています。4月からは初心者向けAI講習会も行います！新入部員募集中です！

AI班のTwitterはこちら
他のAI班の記録は「Tagged: AI班日誌」
人工知能に関する記事は「Tagged: 人工知能」

今回はGANの論文と、PRMLの10章が紹介されました。

Image-to-Image Translation with Conditional Adversarial Networksの紹介

論文はこちら

話題のGAN（Generative Adversarial Nets、敵対的生成ネットワーク）の複数の手法を比較し、
手法を組合せたり改良したりすることによって精度の向上を試みた論文です。

PRML10.1〜10.4 大域的変分推論法の紹介

PRMLの10章は変分法を用いた近似推論である変分近似法について書かれています。
変文近似法のうち、変分推論法（変分ベイズ）と呼ばれる手法の中の大域的変分推論法の紹介をしました。

AI班の紹介

慶応義塾大学のコンピュータサークルKCSのAI班では人工知能の理論や実装を勉強をしています。4月からは初心者向けAI講習会も行います！新入部員募集中です！

AI班のTwitterはこちら
他のAI班の記録は「Tagged: AI班日誌」
人工知能に関する記事は「Tagged: 人工知能」

入試期間が明け、春季休暇初めてのAI班の活動でした。
AI班の主な活動の1つは各部員が読んだ論文の紹介です。
今回は2つの論文が紹介されました。

“Why Should I Trust You?” Explaining the Predictions of Any Classifierの紹介

機械学習のモデルの解釈可能な根拠を提示する手法「LIME」の論文の紹介です。元の論文はこちら。

一般的に機械学習は「ブラックボックス」と言われるように分類等の基準が人間には分からないため、学習データについてうまく学習されているように見えても期待していない的はずれな基準が用いられている可能性があります(これをData Leakageという)。
「LIME」はData Leakageなどを防ぐために以下のように人間が解釈できる形で基準を表すための仕組みです。

• 文書分類問題で、分類の基準としている単語
• 画像物体認識問題で、ある物体であると決める根拠とする画像範囲

Show and Tell: A Neural Image Caption Generatorの紹介

画像を入力すると、画像の内容を説明してくれるという手法の紹介です。

AI班の紹介

KCSは慶應義塾大学で唯一人工知能（情報論的学習）の理論や実装を勉強しているサークルです。4月からは初心者向けAI講習会も行います！新入部員募集中です！

AI班のTwitterはこちら
他のAI班の記録は「Tagged: AI班日誌」
人工知能に関する記事は「Tagged: 人工知能」

2017/1/18のAI班の記録です。

発表したもの：

・DeeperBind: Enhancing Prediction of Sequence Specificities of DNA Binding Proteins

LSTMとCNNを用いて特定の転写因子との親和性(affinity)が高いDNA領域を発見する論文を紹介。

DeepBindよりも高い精度を出せるらしい。名前が安直。

・強化学習ベースの言語モデル（独自）

環境と強化学習するエージェント２台がある系において、エージェントが状態と語の関係性を獲得する過程をモデル化し、実装して考察したことについて発表。(時間があったら後日詳細について書きます)

記録を残しておいたほうがいいということになったのでＡＩ班の活動記録．

2017/1/13にやったこと

トピックモデル

トピックモデルの話．

ユニグラムモデル，混合ユニグラムモデル，潜在的ディリクレ配分法，の流れで説明．膨大な文書データから潜在的トピックを抽出するためのモデル．pLSAの話もした．混合ユニグラムモデルと潜在的ディリクレ配分法のグラフィカルモデルの違いなど．

Detection of phase transition via convolutional neural network

CNNで二次元イジング模型の相転移に関する情報を抽出したいという感じの論文．理論的な解析とＣＮＮによって得られる情報がかなり一致するのでよい．らしい．

参考文献：Tanaka, Akinori, and Akio Tomiya. “Detection of phase transition via convolutional neural network.” arXiv preprint arXiv:1609.09087 (2016).

宣伝

KCSは慶應義塾大学で唯一人工知能（情報論的学習）の理論や実装を勉強しているサークルです．興味のある方は是非声をかけてください．

いきなりのHASKELL講義の要求に答える一年。

１泊２日のAI班による勉強合宿やってます。即興でオセロAI作ってます。明日に完成予定…。