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。
学習率は深層ニューラルネットワークを訓練するための調整に最も重要なハイパパラメータであることが知られている。地球学習率のための最良の値とスケジュールを見出す実験的に必要性を除去し実用化した学習速度,周期的学習速度と名付けたを設定するための新しい方法を述べた。学習速度の減少単調の代わりに,この方法は,学習率は合理的な境界値の間で変化する周期的にさせる。固定値の代わりに周期的学習率を用いた訓練は調整の必要なしに,しばしば少ない繰り返しで改善された分類精度を達成した。また,「合理的限界」推定 いくつかの時代のためのネットワークの学習速度を直線的に増加する簡単な方法を述べた。さらに,ResNets,確率的深さネットワーク,DenseNetsとCIFARとCIFAR100データセット,AlexNetとGoogLeNet構造を持つImageNetデータセットで実証した周期的学習速度。これらは訓練ニューラルネットワークたみんなのための実用的なツールである。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】
