文献

J-GLOBAL ID：201802254766396486   整理番号：18A1094773

深さニューラルネットワークのコスト関数選択と性能評価研究【JST・京大機械翻訳】

Selection and Evaluation of Cost Function in Deep Neural Network

著者 (2件)： Zhao Hong (蘭州理工大学計算机与通信学院,甘粛蘭州 730050;蘭州理工大学信息中心,甘粛蘭州 730050) ,  Guo Wanpeng (蘭州理工大学計算机与通信学院,甘粛蘭州 730050;蘭州理工大学信息中心,甘粛蘭州 730050)
資料名： Ruanjian  (Ruanjian)
巻： 39  号： 1  ページ： 14-20  発行年： 2018年 
JST資料番号： C3604A  ISSN： 1003-6970  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 深いニューラルネットワークは,多くの分野で重大なブレークスルーを得ており,人工知能の発展を推進する主要な力となっている。モデル訓練の二次コスト関数と交差エントロピー関数を,確率論によって推論し,モデル訓練の過程でのパラメータ最適化の効果を明らかにした。TensorFlowプラットフォームの検証により、最適化のコスト関数と活性化関数の組合せはパラメータ最適化の反復回数を減少でき、モデルの訓練過程を加速することができることが明らかになった。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： モデル ,  確率論 ,  人工知能 ,  *費用関数 ,  *ニューラルネットワーク ,  最適化 ,  *性能評価
準シソーラス用語： 活性化関数 ,  パラメータ最適化 ,  エントロピー関数 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： ニューラルネットワーク ,  コスト関数 ,  性能評価 ,  研究