抄録/ポイント：
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
本研究では,ニューラルネットワークの経験的特性を発見するための畳込みニューラルネットワークの一般的なアーキテクチャを構築した。その最初の貢献は,いくつかのハイパーパラメータに依存することを最新のフレームワークを導入し,それらを変化する場合のネットワークを研究することである。最大プーリングを持たない,13層,バイアスは純粋畳込みでありCIFAR10とCIFAR100にそれぞれ95.4%と79.6%の精度まで得た。深部ネットワークの非線形性は,連続,非膨張または点状であり,良い性能を達成するために必要としないことを示した。ネットワークの幅を増加させる非常に深いネットワークと競合が可能にすることを示す。第二の貢献は,このネットワークの収縮と分離特性の解析である。,深い特徴に適用した1最近傍分類器は徐々に深さ,表現が次第により規則的なことを示していると改善された。に加えて,別々のクラス局所的に局所サポートベクトルを定義し,分析した。全て実験は再現性があり,コードはオンライン利用可能である,TensorFlowに基づいている。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】
