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。
過去数年間では,畳込みニューラルネットワーク(CNN)の先進的訓練に研究活動の指数関数的な成長,深層学習として知られるようになったことを示した。これは有意に大きなデータセットのアベイラビリティ,部分的にビッグデータにおける対応する成長のおかげで,これらの大きなデータセットを可能にする合理的な時間スケールで処理する新しいグラフィックス処理ユニット(GPU)ベースのハードウェアの到着の組合せにより触発された。突然,機械学習,人工知能,コンピュータビジョンにおける長年の問題の広い多様性は著しく改善され,しばしば長期性能障壁を打破するのに十分であるが見られた。多重場を通して,これらの成果は,深い学習のより広い適用性に繋がる改善されたツールと方法論の開発を促している。Alexa,こんにちはGoogleなど,スマート助手の新世代は深層学習に根と学習アルゴリズムを持っている。本論文では,深い学習の現状をレビューし,それは,従来のニューラルネットワークの長年の技術を改善する管理された理由,及び最も重要なことに,あなたは,新しいおよび古い問題を解決し,良好な構築に自分自身の研究活動への深い学習を採用を開始し得ることができるか,であるスマート消費者装置とサービスを説明。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】