以往進(jìn)行深度學(xué)習(xí)時(shí)，很難基于神經(jīng)網(wǎng)絡(luò)構(gòu)造（注1）進(jìn)行調(diào)整，所以無(wú)法在整個(gè)網(wǎng)絡(luò)進(jìn)行最優(yōu)化的學(xué)習(xí)， 因而無(wú)法充分發(fā)揮其識(shí)別性。此次開(kāi)發(fā)的技術(shù)， 可以基于其結(jié)構(gòu)自動(dòng)優(yōu)化神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的進(jìn)度，從而輕松實(shí)現(xiàn)比以往更加精準(zhǔn)的識(shí)別。

　　此技術(shù)的出現(xiàn)，使得應(yīng)用了圖像識(shí)別及聲音識(shí)別等深度學(xué)習(xí)技術(shù)的各個(gè)領(lǐng)域，均有望實(shí)現(xiàn)識(shí)別精度的進(jìn)一步提高。例如，人臉識(shí)別和行為分析等視頻監(jiān)控識(shí)別精度的提高、基礎(chǔ)設(shè)施等點(diǎn)檢工作效率的提高，實(shí)現(xiàn)自動(dòng)檢測(cè)災(zāi)害、事故和災(zāi)難等。

　　近年來(lái)，深度學(xué)習(xí)的研究取得了飛躍性的進(jìn)展。在圖像識(shí)別、聲音識(shí)別等廣泛領(lǐng)域內(nèi)得到了應(yīng)用。深度學(xué)習(xí)使用具備深層構(gòu)造的神經(jīng)網(wǎng)絡(luò)， 學(xué)習(xí)事先準(zhǔn)備好的數(shù)據(jù)來(lái)實(shí)現(xiàn)高精度化。但是，如果數(shù)據(jù)被過(guò)度地學(xué)習(xí)，則會(huì)出現(xiàn)“過(guò)學(xué)習(xí)（注2）”的現(xiàn)象，即只能高精度地識(shí)別學(xué)習(xí)過(guò)的數(shù)據(jù)，而未用于學(xué)習(xí)的數(shù)據(jù)的識(shí)別精度則降低。為了避免這種情況的發(fā)生，就需要使用“正則化（注3）”技術(shù)進(jìn)行調(diào)整。

　　由于神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過(guò)程因其結(jié)構(gòu)而復(fù)雜多變，所以過(guò)去只能對(duì)整個(gè)網(wǎng)絡(luò)使用相同的正則化技術(shù)。結(jié)果出現(xiàn)了網(wǎng)絡(luò)各層有的過(guò)度學(xué)習(xí)，有的學(xué)習(xí)停滯等問(wèn)題，因而很難充分發(fā)揮原有的識(shí)別性能。另外，由于手動(dòng)調(diào)整各層的學(xué)習(xí)進(jìn)度極為困難，所以對(duì)于逐層自動(dòng)調(diào)整學(xué)習(xí)進(jìn)度的需求呼聲很高。

　　此次開(kāi)發(fā)的技術(shù)是基于神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，逐層預(yù)測(cè)學(xué)習(xí)進(jìn)度，并自動(dòng)配置適合各層進(jìn)展的正則化技術(shù)。通過(guò)此技術(shù)，在整個(gè)網(wǎng)絡(luò)中學(xué)習(xí)被優(yōu)化，并且可以將識(shí)別錯(cuò)誤率降低約20％，改善識(shí)別精度。

　　基于神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，我們預(yù)測(cè)每層的學(xué)習(xí)進(jìn)度，并逐層自動(dòng)設(shè)置適合于各層進(jìn)展的正則化。據(jù)此，整個(gè)網(wǎng)絡(luò)的學(xué)習(xí)進(jìn)度就得到了優(yōu)化，解決了過(guò)去各層過(guò)度學(xué)習(xí)和學(xué)習(xí)停滯的問(wèn)題。在使用該技術(shù)的手寫(xiě)數(shù)字?jǐn)?shù)據(jù)的識(shí)別實(shí)驗(yàn)中，識(shí)別錯(cuò)誤率降低了約20％，識(shí)別精準(zhǔn)度已經(jīng)得到明顯改善。

　　該技術(shù)僅在學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)前實(shí)施一次，即可在與以往同等的學(xué)習(xí)計(jì)算量下輕松地實(shí)現(xiàn)高精度。

　　NEC集團(tuán)致力于在全球范圍內(nèi)推進(jìn)社會(huì)解決方案，提供安心、安全、高效、公平的社會(huì)價(jià)值，將先進(jìn)的ICT技術(shù)與知識(shí)相融合，為實(shí)現(xiàn)更加光明、更加豐富多彩的高效社會(huì)盡一份力量。

　　（注1） 神經(jīng)網(wǎng)絡(luò)：由人造神經(jīng)細(xì)胞（神經(jīng)元）組成的神經(jīng)網(wǎng)絡(luò)。

　　（注2） 過(guò)學(xué)習(xí)：對(duì)給定數(shù)據(jù)過(guò)度學(xué)習(xí)，而對(duì)未學(xué)習(xí)的數(shù)據(jù)的識(shí)別精度度下降的現(xiàn)象。

　　（注3） 正則化：通過(guò)對(duì)模型的復(fù)雜性加以約束，來(lái)抑制過(guò)學(xué)習(xí)的方法。