文献

J-GLOBAL ID：201802244074071370   整理番号：18A1622953

テンソルフローアプリケーションを用いた分類に関する深層学習技術の性能評価【JST・京大機械翻訳】

Evaluating the Performance of Deep Learning Techniques on Classification Using Tensor Flow Application

著者 (6件)： Kallam Suresh (Galgotias University, School of Computing Science and Engineering, Greater Noida, India) ,  Basha Syed Muzamil (VIT University, Vellore, Tamilnadu, India) ,  Singh Rajput Dharmendra (VIT University, Vellore, Tamilnadu, India) ,  Patan Rizwan (Galgotias University, School of Computing Science and Engineering, Greater Noida, India) ,  Balamurugan B (Galgotias University, School of Computing Science and Engineering, Greater Noida, India) ,  Khalandar Basha Sk. Abdul (VIT University, Vellore, Tamilnadu, India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICACCE  ページ： 331-335  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： Deep学習において,人工知能は全体的により大きい領域であり,その中で機械はデータの新しいインスタンスを学習する能力を与え,機械学習の基本領域に適応する。深い学習は,それのサブセットであり,ニューラルネットワーク技術を用いて,より複雑な状況データを得て,より正確な決定を行うことを可能にする。本研究の目的は,訓練データの比率,ノイズ,バッチサイズ,特徴の特性,学習速度,活性化関数の種類,規則化のレベル,活性化関数のタイプ,正規化のレベル,Tensorフロー再生応用における設計を直接操作した後の4つの異なる分類データセットにおける正則化の割合を見出すことである。著者らの実験で考慮した評価パラメータは,試験損失と訓練損失である。著者らの研究における知見は,各タイプの分類問題に対して,各隠れ層における多くの隠れ層とニューロン数が必要であることを特定することである。これらの知見は,研究者が0.005未満の試験損失を達成することによって,4つの異なるタイプの分類問題を解決するのに必要なニューロンと隠れ層の最大数を固定することを助ける。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *テンソル ,  正則化 ,  雑音 ,  *応用プログラム ,  機械学習 ,  部分集合 ,  正規化 ,  ニューラルネットワーク ,  ニューロン ,  人工知能 ,  *学習
準シソーラス用語： 隠れ層 ,  直接操作 ,  活性化関数 ,  *深層学習 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 分類 ,  深層学習 ,  性能評価