これは、DNNが特徴抽出に優れているためである(画像ならばCNNなど)。 ただ、ニューラルネットワークを使うことで学習時間が長くなるなどのデメリットも発生する(詳細はDay5)。 価値評価を、パラメーターを持った関数で実装する 状態を受け取り、行動価値(=Q)を出力する関数(Q-function)を、ニ...
ループ初回時はimg_maeが未定義なので画像比較をしないための条件分岐。初回は比較せずに保存して、img_mae = img_imaで次の比較用として代入 cv2.createBackgroundSubtractorMOG2(): 背景差分用のインスタンス生成。OpenCVの背景差分を取得する関数。背景差分を取得する関数は色々あるので、他の関数でも...
u[0..n-1],du[0..n-1]をまとめて扱うのがコツです. 上の画像はu,下の画像はu′の時間発展を表しています.fig,ax = plt.subplots() ax.imshow(sol.y.T[:,:nx],cmap='jet') fig,ax = plt.subplots() ax.imshow(sol.y.T[:,nx:],cmap='jet') ...
これは、DNNが特徴抽出に優れているためである(画像ならばCNNなど)。 ただ、ニューラルネットワークを使うことで学習時間が長くなるなどのデメリットも発生する(詳細はDay5)。 価値評価を、パラメーターを持った関数で実装する 状態を受け取り、行動価値(=Q)を出力する関数(Q-function)を、...
何も指示をせず単純に要約を作成する処理をGeneric summarizationと呼びます。これに対して、何らかのトピックやキーワードを指定してそれを中心とした要約を作成させることをQuery focused summarizationと呼びます。この特殊なケースとして、文章の更新前後の差分に着目するUpdate summarizationがありま...
これは、DNNが特徴抽出に優れているためである(画像ならばCNNなど)。 ただ、ニューラルネットワークを使うことで学習時間が長くなるなどのデメリットも発生する(詳細はDay5)。 価値評価を、パラメーターを持った関数で実装する 状態を受け取り、行動価値(=Q)を出力する関数(Q-function)を、...
これは、DNNが特徴抽出に優れているためである(画像ならばCNNなど)。 ただ、ニューラルネットワークを使うことで学習時間が長くなるなどのデメリットも発生する(詳細はDay5)。 価値評価を、パラメーターを持った関数で実装する 状態を受け取り、行動価値(=Q)を出力する関数(Q-function)を、...
これは、DNNが特徴抽出に優れているためである(画像ならばCNNなど)。 ただ、ニューラルネットワークを使うことで学習時間が長くなるなどのデメリットも発生する(詳細はDay5)。 価値評価を、パラメーターを持った関数で実装する 状態を受け取り、行動価値(=Q)を出力する関数(Q-function)を、...
これは、DNNが特徴抽出に優れているためである(画像ならばCNNなど)。 ただ、ニューラルネットワークを使うことで学習時間が長くなるなどのデメリットも発生する(詳細はDay5)。 価値評価を、パラメーターを持った関数で実装する 状態を受け取り、行動価値(=Q)を出力する関数(Q-function)を、...