文献

J-GLOBAL ID：202102257062066763   整理番号：21A0067031

スキップ接続なしにニューラルネットワークでより深い【JST・京大機械翻訳】

Going Deeper With Neural Networks Without Skip Connections

著者 (4件)： Oyedotun Oyebade K. (University of Luxembourg,Interdisciplinary Centre for Security, Reliability and Trust (SnT),Luxembourg,L-1855) ,  Shabayek Abd El Rahman (University of Luxembourg,Interdisciplinary Centre for Security, Reliability and Trust (SnT),Luxembourg,L-1855) ,  Aouada Djamila (University of Luxembourg,Interdisciplinary Centre for Security, Reliability and Trust (SnT),Luxembourg,L-1855) ,  Ottersten Bjorn (University of Luxembourg,Interdisciplinary Centre for Security, Reliability and Trust (SnT),Luxembourg,L-1855)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICIP  ページ： 1756-1760  発行年： 2020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： プレーンネットとして知られるショートカット接続のない非常に深いニューラルネットワーク(DNN)の訓練を提案した。このようなネットワークを訓練するのは,そのために,悪名なハード問題である。(1)消失と爆発活性化の比較的一般的な挑戦,(2)より少ない研究ΔΨの特異性問題。著者らは,前述の問題が一緒に取り組まれるならば,より深いプレーンネットの訓練が容易になると主張する。続いて,Leaky Rectificed Linear Units(LReLUs),パラメータ制約および戦略的パラメータ初期化により,非常に深い単純Netsの訓練を提案した。本手法は簡単であり,ショートカット接続を使用せずに100層までの非常に深い平面Netを訓練するのに成功した。この手法を検証するために,5つの挑戦的なデータセットを検証した。すなわち,MNIST,CIFAR-10,CIFAR100,SVHNおよびImageNetデータセットである。トップ1とトップ5の誤り率がそれぞれ24.1%と7.3%のプレーンネットを用いたImageNetデータセットで知られている最良の結果を報告した。Copyright 2021 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： *ネットワーク ,  *ニューラルネットワーク ,  誤り率
準シソーラス用語： 捷水路 ,  特異性 , 【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 (1件)： ニューラルネットワーク