Machine learning
AlexNet (Krizhevsky–Sutskever–Hinton Deep Convolutional Neural Network)
AlexNet以前は、ほとんどの画像分類器は手作業で設計された特徴量に依存していました。AlexNetは、十分なデータとGPU計算能力で生ピクセルに対してエンドツーエンドでトレーニングされた、多数のスタックされた畳み込み層を持つネットワークが、階層的な視覚特徴を自動的に学習できることを示しました。初期の層はエッジと色を検出し、中間の層はテクスチャと部分を検出し、最終的な層はこれらをカテゴリレベルの表現に統合します。重要な実践的な洞察は、シグモイド活性化の代わりにReLUを使用するとトレーニングが劇的に高速化され、トレーニング中にランダムにニューロンを無効にするドロップアウトは、単一の特徴量への過度の依存を防ぎ、より良い汎化をもたらすということでした。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- Krizhevsky, A., Sutskever, I., & Hinton, G. E. (2012). ImageNet Classification with Deep Convolutional Neural Networks. Advances in Neural Information Processing Systems, 25, 1097–1105. (Republished: Communications of the ACM, 60(6), 84–90, 2017.) DOI: 10.1145/3065386 ↗
- Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning (Ch. 9: Convolutional Networks). MIT Press. ISBN: 978-0-262-03561-3
- LeCun, Y., Bengio, Y., & Hinton, G. E. (2015). Deep Learning. Nature, 521, 436–444. DOI: 10.1038/nature14539 ↗
このページの引用方法
ScholarGate. (2026, June 3). AlexNet (Krizhevsky–Sutskever–Hinton Deep Convolutional Neural Network). ScholarGate. https://scholargate.app/ja/deep-learning/alexnet
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
Compare side by side →