arXivDaily arXiv每日学术速递 周一至周五更新
arXiv 1003.0358cs.NEcs.AI
收藏

深度大简单神经网络在手写数字识别中的应用

Deep Big Simple Neural Nets Excel on Handwritten Digit Recognition

IDSIA(达勒莫尔人工智能研究所);University of Lugano(卢加诺大学);SUPSI(瑞士南部应用科学与艺术大学)

Dan Claudiu Ciresan, Ueli Meier, Luca Maria Gambardella, Juergen Schmidhuber

摘要:

在著名的MNIST手写数字基准测试中,用于普通多层感知器的良好的旧在线反向传播产生非常低的0.35%出错率。到目前为止,我们需要实现这个最佳结果的是许多隐藏层,每层许多神经元,许多变形的训练图像,以及图形卡,以大大加快学习速度。

英文摘要:

Good old on-line back-propagation for plain multi-layer perceptrons yields a very low 0.35% error rate on the famous MNIST handwritten digits benchmark. All we need to achieve this best result so far are many hidden layers, many neurons per layer, numerous deformed training images, and graphics cards to greatly speed up learning.

机构、总结、中文摘要均由AI分析而来,可能存在错误,请以论文正文为准。

↑