MNISTによる性能評価の歴史とは? わかりやすく解説

Weblio 辞書 > 辞書・百科事典 > ウィキペディア小見出し辞書 > MNISTによる性能評価の歴史の意味・解説 

MNISTによる性能評価の歴史

出典: フリー百科事典『ウィキペディア(Wikipedia)』 (2022/07/24 16:39 UTC 版)

MNISTデータベース」の記事における「MNISTによる性能評価の歴史」の解説

2012年発表された研究では、ニューラルネットワーク組み合わせるコミッティマシン(英語版)を用いてMNISTデータベースで「人間に近いパフォーマンス」を達成した。同じ論文で、他の認識タスクでも人間の2倍のパフォーマンス達成している。MNISTデータベースWebサイトアップされている一覧によれば、最も悪い誤検知率は12%である。これは、データ前処理をすることなく単純な線形分類器使用して分類した場合記録されたものである2004年には、ローゼンブラットパーセプトロン原理に基づく3つのニューロン層を持つニューラル分類器であるLIRA呼ばれる新しい分類器を用いてMNISTデータベースにおいて0.42%という最良誤検知率が達成された。 研究者によっては、ランダムな歪み加工施したデータ用いて人工知能学習評価したものもある。対象となるシステム通常ニューラルネットワークであり、使用される歪み加工アフィン変換または弾性変形いずれかであることが多い。この方法で学習されモデルが高い精度達成する場合もある。その中の事例一つでは、MNISTデータベース用いた評価誤検知率0.39%を達成した2011年には、従来最良結果改善して誤検知率0.27%を達成したことが、同様のニューラルネットワーク用いた研究報告された。2013年には、DropConnectと呼ばれる正則化手法用いたニューラルネットワークで、誤検知率0.21%を達成したとする研究現れた。2016年時点で、単一畳み込みニューラルネットワーク(CNN)を用いた実験に限ると、誤検知0.25%が最も良い。また2018年8月時点で、データ拡張英語版)を使用せずMNIST学習した単一畳み込みニューラルネットワークの最高精度また、誤検知0.25%である。単一CNNに限らなければParallel Computing Centerウクライナフメリニツキー)が、5つCNN用いたアンサンブル学習により誤検知率0.21%を達成している。2018年には、バージニア大学研究者が、3種類のニューラルネットワークfully connected, recurrent, convolutional)を並列させたネットワーク用いて誤検知率0.18%を達成した発表している。なお、テストデータセット内の画像にはほとんど読み取れないよう識別難度の高いものも含まれている。

※この「MNISTによる性能評価の歴史」の解説は、「MNISTデータベース」の解説の一部です。
「MNISTによる性能評価の歴史」を含む「MNISTデータベース」の記事については、「MNISTデータベース」の概要を参照ください。

ウィキペディア小見出し辞書の「MNISTによる性能評価の歴史」の項目はプログラムで機械的に意味や本文を生成しているため、不適切な項目が含まれていることもあります。ご了承くださいませ。 お問い合わせ



英和和英テキスト翻訳>> Weblio翻訳
英語⇒日本語日本語⇒英語
  

辞書ショートカット

すべての辞書の索引

「MNISTによる性能評価の歴史」の関連用語

1
10% |||||

MNISTによる性能評価の歴史のお隣キーワード
検索ランキング

   

英語⇒日本語
日本語⇒英語
   



MNISTによる性能評価の歴史のページの著作権
Weblio 辞書 情報提供元は 参加元一覧 にて確認できます。

   
ウィキペディアウィキペディア
Text is available under GNU Free Documentation License (GFDL).
Weblio辞書に掲載されている「ウィキペディア小見出し辞書」の記事は、WikipediaのMNISTデータベース (改訂履歴)の記事を複製、再配布したものにあたり、GNU Free Documentation Licenseというライセンスの下で提供されています。

©2025 GRAS Group, Inc.RSS