文献

J-GLOBAL ID：202202223339222657   整理番号：22A1087966

人工ニューラルネットワークに基づく深さと幅の関係【JST・京大機械翻訳】

The Relationship Between Depth and Broadness Based on Artificial Neural Networks

著者 (1件)： Song Yizhe (Business School China University of Political Science and Law,Beijing,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： EEBDA  ページ： 1205-1208  発行年： 2022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： 深層学習は機械学習分野の主な焦点である。しかし,いくつかの研究者が,この分野におけるいくつかの問題を効率的に解決するために幅広い学習を利用することは注目に値する。そのような条件下で,深い学習がいくつかのブレークスルーを得たとしても,包括的な学習システムは,まだ貴重である。これらの2つの方法の長所と短所の比較は,一般的結論を達成するのが難しい。しかし,モデルの性能に関する成果は,特定の問題またはデータセットに対して可能である。本論文では,すべての実験は,広さと深さの差をテストするために,多層パーセプトロンモデルを用いて,MNISTデータセットに基づいている。それにもかかわらず,実験の結果は,これらのモデルから最良の選択が可能であることを示した。これはモデル構造の複雑性に由来する。Copyright 2022 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： *ニューラルネットワーク ,  多層パーセプトロン ,  機械学習
準シソーラス用語： 学習支援システム ,  複雑性 ,  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 (1件)： 人工ニューラルネットワーク