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。
最近,深いニューラルネットワークが音声認識を含む多くのパターン認識タスクにおいて最先端になった。現在,これらのネットワークにおけるde faco標準は整流線形活性化関数を用いることであるが,この目的に対してより効率的な関数に対しては,進行中のquestがある。並列に,多くの著者は,より深いネットワークを構築する目的で,余分な接続によってネットワーク構造を強化することによって実験を行った。ここでは,2つのアプローチを組み合わせて,整流と線形ニューロンの両方からネットワークの層を構成する非常に簡単な技術を提案した。この解は基本的にコストを持たないが,我々の音声認識実験においては,これらの線形拡張ネットワークは,すべての場合において標準整流器ネットワーク上で適度ではあるが有意な誤り率低減を達成した。より多くの関与する活性化関数との比較において,提案した方法は,より大きなデータセットで訓練されたときに,最大ネットワークよりも同等またはわずかに優れているが,計算的により簡単であることを見出した。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】