文献

J-GLOBAL ID：201702284362817531   整理番号：17A0116520

非常に深いネットワークのための重み付き残差【Powered by NICT】

Weighted residuals for very deep networks

著者 (3件)： Shen Falong (Key Laboratory on Machine Perception, Peking University) ,  Gan Rui (Key Laboratory on Machine Perception, Peking University) ,  Zeng Gang (Key Laboratory on Machine Perception, Peking University)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： ICSAI  ページ： 936-941  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 深部残留ネットワークは最近多くの困難なコンピュータビジョンタスクに魅力的な性能を示した。しかし,元の残留構造は,非常に深いネットワーク上の収束を困難にしているいくつかの欠陥を有している。本論文では,ReLUと要素添加と深いネットワーク初期化問題間の不和合性を表すための加重残留ネットワークを導入した。重みつき残差ネットワークである異なった層からの残差を効果的かつ効率的に学習することができた。提案したモデルは100から+層に1000+層深さの増加に伴って精度と収束の一貫した改善を享受している。に加えて,重み付き残差ネットワークは,元の残留ネットワークよりもより多くの計算とGPUメモリ負荷をほとんど持っていない。ネットワークは投影された確率的勾配降下により最適化した。CIFARに実験は筆者らのアルゴリズムが元の残留ネットワークよりもより速い収束速度を持つことを示し,1192層モデルによる95.3%で高い精度に達した。CIFARとImageNet1kに関する実験は,著者らの提案した設計の有効性を検証した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 不和合性 ,  アルゴリズム ,  *ネットワーク ,  *残差 ,  記憶装置 ,  深部 ,  最適化
準シソーラス用語： 収束速度 ,  加重 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (1件)： 残差