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。
多くの研究は,畳込みネットワークの深さあるいは幅の増加画像認識の性能を改善するために価値あるアプローチであることを示した。著者らの研究において,しかしながら,筆者らは両方向に沿った困難を観察した。一方,非常に深いネットワークのための追求が収穫逓減を満たしている一方で,ネットワークを広げる増加訓練困難が計算コストとメモリ要求の両方で二次成長をもたらすであろう。これらの困難は,深層ネットワークを設計する際の構造的多様性,深さと幅を越えた新しい次元を探索することを動機づける。特に,分離やネットワークの異なる部分の代替としての組成に挿入された柔軟にできる,すなわちPolyInception,モジュールの新しいファミリーを示した。建築効率のガイダンスを持つPolyInceptionモジュールの選択表現力を向上させることができる同程度の計算コストを保持している。この方向に従って設計,大深度PolyNetはILSVRC2012ベンチマーク上で最先端技術を超える実質的な改善を示した。開始ResNet v2と比較して,4.9%から4.25%までの単一作物,および低コストのものと3.7%~3.45%で上位5検証誤差を減少させた。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】
