![](https://cdn-ak-scissors.b.st-hatena.com/image/square/cede1773d0c314578a173980e7a1cfb4ae396dd9/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-9f5428127621718a910c8b63951390ad.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTkxNiZoPTMzNiZ0eHQ9JUU2JUE5JTlGJUU2JUEyJUIwJUU1JUFEJUE2JUU3JUJGJTkyJUU4JUFCJTk2JUU2JTk2JTg3JUU4JUFBJUFEJUUzJTgxJUJGJUUzJTgzJUExJUUzJTgzJUEyXzEmdHh0LWNvbG9yPSUyMzIxMjEyMSZ0eHQtZm9udD1IaXJhZ2lubyUyMFNhbnMlMjBXNiZ0eHQtc2l6ZT01NiZ0eHQtY2xpcD1lbGxpcHNpcyZ0eHQtYWxpZ249bGVmdCUyQ3RvcCZzPThkYWY2MjM1MDIzYTNhNDMyZDE3M2VmYWM2YzM5NDlj%26mark-x%3D142%26mark-y%3D112%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTYxNiZ0eHQ9JTQwZmVzdGE3OCZ0eHQtY29sb3I9JTIzMjEyMTIxJnR4dC1mb250PUhpcmFnaW5vJTIwU2FucyUyMFc2JnR4dC1zaXplPTM2JnR4dC1hbGlnbj1sZWZ0JTJDdG9wJnM9N2VjOTJjNjg0ZGY0OTk0ZTU1ODhkMjJiZjJiMGEwN2U%26blend-x%3D142%26blend-y%3D491%26blend-mode%3Dnormal%26s%3D6da30ac1bd3754b26e8d3c76e68c3a16)
エントリーの編集
![loading...](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/common/loading@2x.gif)
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
![アプリのスクリーンショット](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/entry/app-screenshot.png)
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
機械学習論文読みメモ_1 - Qiita
FractalNet: Ultra-Deep Neural Networks without Residuals フラクタル構造に基づくNNモデルを提案。Re... FractalNet: Ultra-Deep Neural Networks without Residuals フラクタル構造に基づくNNモデルを提案。ResNetの構造を用いずとも、それに比する性能を出せる。 この構造は自然な形で従来のNN構造に取り入れられてきた、Deep Supervision、student-teacher learning、nested structureが現れてくる。 Reducing the Model Order of Deep Neural Networks Using Information Theory フィッシャー情報量に基づいてDLモデルを小さくする。 情報量自体は確率的最適化を行う際に2次の情報までを求める事で予測する。 この情報量に基づき、不要なパラメータを削除し、また高い情報量を持つパラメータに対してはより多くのビットをアサインする。 De