文献

J-GLOBAL ID：201602217892239793   整理番号：16A0300445

大規模画像データセットの機械学習のための分散コンピューティング

Distributed Computing for Machine Learning on Large-Scale Image Dataset

著者 (5件)： 佐藤育郎 (デンソーアイティーラボラトリ) ,  渡邉隆太郎 (デンソーアイティーラボラトリ) ,  西村裕紀 (デンソー) ,  野村哲弘 (東京工大) ,  松岡聡 (東京工大)
資料名： Tsubame e-Science Journal  (Tsubame e-Science Journal)
巻： 14  ページ： 08-12(JA),24-29(EN)  発行年： 2016年02月29日 
JST資料番号： L8472A  ISSN： 2185-6028  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： ディープニューラルネットワーク(DNN)と称ざれる機械学習手法を使って,大規模データセットの教師あり学習を行うことで,非常に高い識別能力を獲得できることが,最近の研究によって明らかとなってきた。本研究は,大規模データセットにおいて,複数のDNNモデルを学習・評価することで性能の良いモデルの条件を定量化し,また優良な複数のモデルをアンサンブル化することで,高い識別能力を持つ画像識別器を生成することを目的としたものである。学習には独自開発した非同期型分散学習プログラムを使用し,1モデルあたり最多で96GPUを利用して高速な学習を行った。学習はTSUBAMEグランドチャレンジを利用して行われ,ピーク時で1146台のGPUを使い,微分計算部分においては1GPUあたり約1TFLOPSの単精度浮動小数計算性能を引き出した。(著者抄録)

シソーラス用語： 画像データベース ,  *機械学習 ,  ニューラルネットワーク ,  *集合 ,  画像認識 ,  評価 ,  非同期処理 ,  学習 ,  *分散処理 ,  高速アルゴリズム ,  多層構造 ,  ディープニューラルネットワーク ,  *教師付き機械学習
準シソーラス用語： アンサンブル学習 ,  画像識別 ,  学習評価 ,  *教師あり機械学習 ,  *大規模データセット ,  *分散コンピューティング ,  分散学習

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 大規模 ,  機械学習 ,  分散コンピューティング