用于视觉目标分类的高性能神经网络
人工智能
2011-02-02 v1 神经与进化计算
摘要
我们提出了一种快速、完全可参数化的卷积神经网络变体的GPU实现。我们的特征提取器既不是精心设计的，也不是预连接的，而是通过监督学习获得的。我们的深层层次化架构在目标分类（NORB、CIFAR10）和手写数字识别（MNIST）的基准测试中取得了最佳已发表结果，错误率分别为2.53%、19.51%和0.35%。通过简单反向传播训练的深度网络比浅层网络表现更好。学习速度惊人地快。NORB在五个周期内完全训练完成。MNIST上的测试错误率在1、3和17个周期后分别降至2.42%、0.97%和0.48%。
引用
@article{arxiv.1102.0183,
title = {High-Performance Neural Networks for Visual Object Classification},
author = {Dan C. Cireşan and Ueli Meier and Jonathan Masci and Luca M. Gambardella and Jürgen Schmidhuber},
journal= {arXiv preprint arXiv:1102.0183},
year = {2011}
}
备注
12 pages, 2 figures, 5 tables