Корпорация NEC развивает технологию глубокого обучения (deep learning) для повышения точности распознавания данных

Токио, 12 декабря 2017Корпорация NEC (NEC; TSE: 6701) разработала технологию автоматической оптимизации глубокого обучения для повышения точности распознавания данных. В последние годы в области глубокого обучения достигнуты большие успехи, которые востребованы сегодня в таких областях как распознавание лиц, распознавание речи, а также в широком спектре других областей. Глубокое обучение способствует повышению точности распознавания благодаря использованию многоуровневых структур искусственных нейронных сетей для извлечения информации из подготовленных данных.


Когда данные становятся слишком привычными для систем, последние теряют способность точно распознавать информацию, которую ранее не изучали. Этот феномен известен как “переобучение” и приводит к снижению точности распознавания в случаях, когда система работает с данными, которые не использовались ранее в процессе обучения. Для предотвращения переобучения обычно применяется технология “регулирования”, которая контролирует степень обучения и предотвращает достижение чрезмерной степени.

“Эта технология предсказывает прогресс в обучении на каждом уровне в структуре искусственной нейронной сети и позволяет конфигурировать регуляторные процессы автоматически”, – отметил Акио Ямада, директор лабораторий научных исследований данных в корпорации NEC. “Обучение оптимизировано во всей сети, что повышает точность распознавания, например, благодаря снижению числа ошибок приблизительно на 20% по сравнению с обычными системами”.

“Мы ожидаем, что данная технология улучшит показатели распознавания изображений и речи, а также будет полезна в других областях, где применяется глубокое обучение”, – добавил Акио Ямада. “Она сможет повысить точность распознавания лиц и анализа поведения, например, в сфере видеонаблюдения, повысить эффективность инспектирования инфраструктуры или автоматического обнаружения системных отказов, аварий или стихийных бедствий.

Автоматическая конфигурация регуляторных процессов на всех уровнях искусственной нейронной сети.