画像認識分野での ディープラーニングの研究動向 岡谷 貴之 東北大学
企画セッション2「ディープラーニング」 • 趣旨：応用３分野におけるDeep Learning（深層学習）の研究 の現状 • 画像：岡谷貴之（東北大学） – 「画像認識分野でのディープラーニングの研究動向」 • 音声：久保陽太郎（NTTコミュニケーション科学基礎研究所） – 「音声認識分野における深層学習技術の研究動向」 • 自然言語処理：渡邉陽太郎（東北大学） – 「自然言語処理におけるディープラーニングの現状」 画像認識分野での ディープラーニングの研究動向 岡谷 貴之 東北大学 NNの基本要素 Neural Network NN研究の歴史 DNNの過学習とその克服 • DNN → 過学習が起こる – 訓練誤差は小さいが汎化誤差は大 • 現象 – 下層まで情報が伝わらない；勾配が 拡散；訓練データが上位層のみで 表現可能 – 全結合型のNNで顕著 • 過学習の克服 １．学習最適化の工夫
ohpmain.dvi
fujisawa@ism.ac.jp 1 Contents 1. 2. 3. 4. γ- 2 1. 3 10 5.6, 5.7, 5.4, 5.5, 5.8, 5.5, 5.3, 5.6, 5.4, 5.2. 5.5 5.6 + 5.7 + 5.4 + 5.5 + 5.8 + 5.5 + 5.3 + 5.6 + 5.4 + 5.2 10 = 5.5. outlier 5 5.6, 5.7, 5.4, 5.5, 5.8, 5.5, 5.3, 5.6, 5.4, 55.2. 10.5 5.6 + 5.7 + 5.4 + 5.5 + 5.8 + 5.5 + 5.3 + 5.6 + 5.4 + 55.2 10 = 10.5. 4 5.6, 5.7, 5.4, 5.5, 5.8, 5.5, 5.3, 5.6, 5.4, 5.2. 5.6, 5.7, 5.4, 5.5, 5.8, 5.5, 5.3,
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
自然言語処理分野におけるディープラーニングの現状
https://ibisml.org/archive/ibisml001/watanabe2010.pdf