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。
本論文では,ネットワークの幅を減少させることにより広いネットワークのアーキテクチャを打切るために,二分木アーキテクチャを提案した。より正確には,提案したアーキテクチャでは,パラメータ数にあまり増加を持つネットワークの表現能力を増加させるために幅は下層より高い層から減少した増加するものである。勾配消失問題を容易にするために,異なった層で得られた特徴を連結してこのアーキテクチャの出力を生成した。ベースライン広いネットワークに提案したアーキテクチャを採用することにより,同じ深さを有する新しいネットワークが,かなり少ない数のパラメータを構築し,訓練できる。実験解析では,提案したアーキテクチャは,様々なベンチマーク画像分類データセットを用いてベースライン網に比べて,より良いパラメータサイズと精度のトレードオフを得ることができることを観測した。結果は,このモデルがベースラインが持つパラメータの28%だけを用いたCifar100ベースラインの分類誤差を減少させる2043%から1922%にできることを示した。コードであるhttps://github.com/ZhangVision/bitnetで利用可能である。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】
