南宫NG28官网|NEC开发了深度学习自动优化技术、更易于提高识别精度

本文摘要：近日，NEC宣告研发了更加更容易提升辨识精度的深度自学自动优化技术。

近日，NEC宣告研发了更加更容易提升辨识精度的深度自学自动优化技术。以往展开深度自学时,很难基于神经网络结构展开调整,所以无法在整个网络展开线性规划的自学,因而无法充分发挥其识别性。

此次研发的技术,可以基于其结构自动优化神经网络自学的工程进度,从而精彩构建比以往更为精准的辨识。此技术的经常出现，使得应用于了图像识别及声音辨识等深度自学技术的各个领域，皆未来将会构建辨识精度的进一步提高。

例如，人脸识别和不道德分析等视频监控辨识精度的提升、基础设施等枢密使工作效率的提升，构建自动检测灾害、事故和灾难等。背景近年来，深度自学的研究获得了飞跃性的进展。在图像识别、声音辨识等普遍领域内获得了应用于。

深度自学用于不具备深层结构的神经网络,自学事前准备好的数据来构建高精度化。但是，如果数据被过度地自学，则不会经常出现“过自学”的现象，即不能高精度地辨识自学过的数据，而并未用作自学的数据的辨识精度则减少。

为了防止这种情况的再次发生，就必须用于“正则化”技术展开调整。由于神经网络的自学过程因其结构而复杂多变，所以过去不能对整个网络用于完全相同的正则化技术。

结果经常出现了网络各层有的过度自学，有的自学衰退等问题，因而很难充分发挥原先的辨识性能。另外，由于手动调整各层的自学工程进度十分艰难，所以对于逐级自动调整自学工程进度的市场需求呼声很高。此次研发的技术是基于神经网络的结构，逐级预测自学工程进度，并自动配备合适各层进展的正则化技术。

通过此技术，在整个网络中自学被优化，并且可以将辨识错误率减少大约20%，提高辨识精度。各层神经网络中正则化技术自动设置示意图新技术的优点1、根据神经网络结构的自动自学优化基于神经网络的结构，我们预测每层的自学工程进度，并逐级自动设置适合于各层进展的正则化。据此，整个网络的自学工程进度就获得了优化，解决问题了过去各层过度自学和自学衰退的问题。

在用于该技术的手写数字数据的辨识实验中，辨识错误率减少了大约20%，辨识精准度早已获得明显改善。　　相对于自学数据量的辨识错误率的变化2、与以往完全相同的计算出来量下，精彩构建高精度该技术仅有在自学神经网络前实行一次，才可在与以往同等的自学计算出来量下精彩地构建高精度。

NEC集团致力于在全球范围内前进社会解决方案，获取放心、安全性、高效、公平的社会价值，将先进设备的ICT技术与科学知识互为融合，为构建更为光明、更为丰富多彩的高效社会尽一份力量。

本文来源：南宫NG28官网-www.gktechniek.com