NEC研发深度学习自动优化技术

日前,nec宣布研发出提高辨识精准度更为简易的「深度学习自动优化技术」。以往进行深度学习(deep learning)时,依据类神经网络的构造来调整学习方式相当困难,所以无法在整个网络学习时达到最优化, 因而无法充分发挥原本的辨识效能。本次nec研发的技术,搭配类神经网络学习的进度,因应其构造自动进行优化,能够轻易达到比过去更高的辨识精准度。
运用本技术,在影像辨识及声音辨识等运用深度学习技术的个个领域,能够进一步提升辨识的精准度。例如,提升人脸辨识与行为解析等影像监控的辨识精准度,在基础设施等处进行保养点检时提升效率,更可望自动检测出故障、事故或灾害等情况。
近年来,深度学习已有飞跃性的进展。以影像辨识、声音辨识为始,广泛运用在不同领域上。所谓的深度学习,是运用具备多层构造的类神经网络,让计算机学习事先准备好的资料,进而提升辨识精准度。然而,若计算机过度学习资料,则会出现「过度训练」的现象,也就是只有学习过的资料才有较高的辨识精准度,辨识从未学习过的资料时精准度就会下降。为了避免这种情况的发生,通常会使用「正规化」方式,来调整深度学习的过程。
类神经网络的学习过程,会因应结构而产生复杂的变化,所以过去只能对整个类神经网络进行同样的正规化方式。结果在类神经网络各层之中,有些出现过度训练现象、有些则无法顺利学习等问题,因而难以充分发挥原有的辨识效能。此外,由于逐一手动调整各层学习进度极为困难,市面上对自动化调整的需求呼声也相当高。
nec本次研发的技术,是依据类神经网络的结构,预测每一层的学习进度,并因应各层学习进度逐层自动设定正规化。透过这样的技术,能够优化整个类神经网络的学习情况,与传统作法相比,更能降低20%的辨识错误率,辨识精准度有所改善。
新技术的优点 依据类神经网络的结构,自动优化学习情况:依据类神经网络的结构,预测每一层的学习进度,并因应各层学习进度逐层自动设定正规化。透过这样的技术,能够优化整个类神经网络的学习情况,也解决了过去各层过度训练、无法顺利学习的问题。不仅如此,运用本技
计算量与过往相同,也能轻松达到高精准度:在类神经网络进行深度学习之前,只须运行本技术一次,即使学习的计算量与过往相同,也能轻松达到高精准度。nec集团致力于全球推广「社会解决方案事业」,以提供安全.安心.效率.公平的社会价值,融合先进的ict技术与知识,实现更为明亮而丰裕、更具效率而精粹的社会。

bldc电机和dd直驱电机哪个好
耦合电感与传统电感相比有什么优势
荣耀官宣2021新品发布会:1月18 日 荣耀V40来了!
KUKA机器人力矩监控变量的控制使用
前排围观丨工业及汽车应用,这款蓝牙低功耗微控制器为何这么牛?
NEC研发深度学习自动优化技术
星型拓扑结构
中国三家通信运营商要被迫在美股退市?
干货 | Linux 流编辑器 SED 详解
详细介绍构建ARM Linux的交叉编译工具链
工业智能网关实现工业设备数据采集和状态监控
升压调压器的工作原理 如何调节升压调压器的速度呢?
小默相机怎么样 值不值得买
激光测距的原理是什么,它的应用有哪些
FPGA的FIFO实现过程
关于特斯拉电动半自动你需要知道的一切
智能镜面显示屏将逐渐成为我们智慧生活的理想之选
探讨本田、大众智能路口的研究新进展
世强先进与电阻制造商SEI签署合作协议
前海深港人工智能算力中心启动