NECは12月12日、ディープラーニングの自動最適化技術を開発したと発表した。ニューラルネットワークの学習の進み具合をその構造に応じて自動的に最適化する技術で、画像認識や音声認識などで従来より高い認識精度を容易に実現できるという。
ディープラーニングでは、データをニューラルネットワークに学習させることで高精度化を実現するが、データを過度に学習すると、学習したデータしか高精度に認識できず、学習していないデータの認識精度が低下する「過学習」と呼ばれる現象が発生するため、学習が過度に進まないように学習の進行を調整する「正則化」と呼ばれる技術が使われている。
学習の進み具合はニューラルネットワークの構造によって複雑に変化するが、従来はネットワーク全体に対して同じ正則化を用いるしかなく、ネットワークの各層によって過度に学習したり、学習が進まなかったりする問題が生じていた。また、各層の学習の進み具合を手動で調整することは難しかった。
新開発した技術は、ニューラルネットワークの構造を基に学習の進み具合を層ごとに予測し、適した正則化を層ごとに自動設定できる。このため、ネットワーク全体で学習が最適化され、認識エラーを従来の2割程度削減するなど、認識精度が改善できたという。
同技術は、ニューラルネットの学習を行う前に一度だけ適用すればよく、学習に関わる計算量は従来と同等を保ちながら、高精度化を実現したとしている。
Copyright © ITmedia, Inc. All Rights Reserved.
Special
PR