The EDICT Dictionary File

http://www.edrdg.org/jmdict/edict.html

EDICT is a Japanese-English Dictionary file.

和英辞典ファイルのダウンロード。
漢字の辞書もある。

KANJIDIC2 HOME PAGE

http://www.edrdg.org/kanjidic/kanjd2index.html

The KANJIDIC2 project has as its aim the production of a consolidated XML-format kanji database combining the information currently in the KANJIDIC (6,355 kanji from JIS X 0208) and KANJD212 (5,801 kanji from JIS X 0212) files (overview) (documentation), and adding information about the additional 952 kanji in JIS X 0213. (2,743 kanji are in both JIS X 0212 and JIS X 0213.)

漢字とその意味（英語）の辞書。

Chainer: A flexible framework of neural networks

http://chainer.org/

A Powerful, Flexible, and Intuitive Framework of Neural Networks

ライセンスは MIT License。

Deep Learning のフレームワーク Chainer を公開しました | Preferred Research

http://research.preferred.jp/2015/06/deep-learning-chainer/

本日、Deep Learning の新しいフレームワークである Chainer を公開しました。

Chainer は、ニューラルネットを誤差逆伝播法で学習するためのフレームワークです。以下のような特徴を持っています。

* Python のライブラリとして提供（要 Python 2.7+）
* あらゆるニューラルネットの構造に柔軟に対応
* 動的な計算グラフ構築による直感的なコード
* GPU をサポートし、複数 GPU をつかった学習も直感的に記述可能

生態学／非統計系向け確率的トピックモデル講義録

http://chasen.org/~daiti-m/diary/?201506a&to=201506070#201506070

今年の1月に統数研で行われた, 「生物に見られる時空間パターンと統計数理：同調・認知・行動」 という島谷先生主催の研究集会で行ったトピックモデルの講義を, 何と聴いていた学生 さん・若手の方と島谷さんが文字起こしした上で, 編集して講義録として公開してくれました。

「離散データの確率的トピックモデル」
http://chasen.org/~daiti-m/paper/daichi15topicmodel-for-ecology.pdf

Variant tf-idf functions | Introduction to Information Retrieval

http://nlp.stanford.edu/IR-book/html/htmledition/variant-tf-idf-functions-1.html

For assigning a weight for each term in each document, a number of alternatives to tf and tf-idf have been considered.

livedoor ニュースコーパス | ダウンロード | 株式会社ロンウイット

http://www.rondhuit.com/download.html#ldcc

概要
本コーパスは、NHN Japan株式会社が運営する「livedoor ニュース」のうち、下記のクリエイティブ・コモンズライセンスが適用されるニュース記事を収集し、可能な限りHTMLタグを取り除いて作成したものです。

収集時期：2012年9月上旬 ダウンロード（通常テキスト）：ldcc-20140209.tar.gz ダウンロード（Apache Solr向き）：livedoor-news-data.tar.gz 論文などで引用する場合は、このURLを参照してください。

場所参照表現タグ付きコーパス Ver 0.1 (2015/05/25)

http://www.cl.ecei.tohoku.ac.jp/~matsuda/LRE_corpus/

概要

本コーパスは，Twitterからランダムにサンプリングしたテキストに現れる，「特定の場所を著者が想定している」と判断できる表現に対して，実際にどのエンティティを指しているかを人手で判断しエンティティ情報を付与したコーパスです．GeoNLPなどのジオパーズシステム，エンティティリンキングシステム等の開発や評価に利用することを想定して構築されました．

Computing numeric representations of words in a high-dimensional space - Google Inc.

http://www.freepatentsonline.com/9037464.html

United States Patent 9037464

Inventors:
Mikolov, Tomas (Jersey City, NJ, US)
Chen, Kai (San Bruno, CA, US)
Corrado, Gregory S. (San Francisco, CA, US)
Dean, Jeffrey A. (Palo Alto, CA, US)

word2vec 関連の特許。

ConvNetJS MNIST demo

http://cs.stanford.edu/people/karpathy/convnetjs/demo/mnist.html

This demo trains a Convolutional Neural Network on the MNIST digits dataset in your browser, with nothing but Javascript.

手書き数字の画像データを JavaScript のプログラムで学習するデモ。
学習中の各層（conv, pool, softmax）の重みやアクティベーション値をリアルタイムで見ることができる。

The Unreasonable Effectiveness of Recurrent Neural Networks

http://karpathy.github.io/2015/05/21/rnn-effectiveness/

We'll train RNNs to generate text character by character and ponder the question "how is that even possible?"

Andrej Karpathy Academic Website

http://cs.stanford.edu/people/karpathy/

Andrej Karpathy
Stanford Computer Science Ph.D. student

karpathy/convnetjs · GitHub

https://github.com/karpathy/convnetjs

ConvNetJS is a Javascript implementation of Neural networks, together with nice browser-based demos.

ConvNetJS: Deep Learning in your browser

http://cs.stanford.edu/people/karpathy/convnetjs/

ConvNetJS is a Javascript library for training Deep Learning models (mainly Neural Networks) entirely in your browser. Open a tab and you're training. No software requirements, no compilers, no installations, no GPUs, no sweat.

分散共分散行列と相関行列

https://upo-net.ouj.ac.jp/tokei/xml/k3_06022.xml

強化学習をベイズで理解する

https://www.sat.t.u-tokyo.ac.jp/~mak/20140319-makino.pdf

GloVe: Global Vectors for Word Representation

http://nlp.stanford.edu/projects/glove/

GloVe is an unsupervised learning algorithm for obtaining vector representations for words. Training is performed on aggregated global word-word co-occurrence statistics from a corpus, and the resulting representations showcase interesting linear substructures of the word vector space.

Echo state network - Wikipedia, the free encyclopedia

http://en.wikipedia.org/wiki/Echo_state_network

The echo state network (ESN) is a recurrent neural network with a sparsely connected hidden layer (with typically 1% connectivity). The connectivity and weights of hidden neurons are randomly assigned and are fixed. The weights of output neurons can be learned so that the network can (re)produce specific temporal patterns.

Reservoir computing - Wikipedia, the free encyclopedia

http://en.wikipedia.org/wiki/Reservoir_computing

Reservoir computing is a framework for computation like a neural network.

The “echo state” approach to analysing and training recurrent neural networks – with an Erratum note

http://web.info.uvt.ro/~dzaharie/cne2013/proiecte/tehnici/ReservoirComputing/EchoStatesTechRep.pdf

This is a corrected version of the technical report H. Jaeger(2001): The ”echo state” approach to analysing and training recurrent neural networks. GMD Report 148, German National Research Center for Information Techno logy, 2001.