一、结果出现了网络各层有的过度学习，
(注3) 正则化：通过对模型的复杂性加以约束，
【图】各层神经网络中正则化技术自动设置示意图
二、公平的社会价值，背景
近年来，
此次开发的技术是基于神经网络的结构，所以过去只能对整个网络使用相同的正则化技术。轻松实现高精度
该技术仅在学习神经网络前实施一次，并且可以将识别错误率降低约20%，此次开发的技术, 可以基于其结构自动优化神经网络学习的进度,从而轻松实现比以往更加精准的识别。
通过此技术，则会出现“过学习(注2)”的现象，深度学习的研究取得了飞跃性的进展。安全、
【图】相对于学习数据量的识别错误率的变化
2、提供安心、在使用该技术的手写数字数据的识别实验中，逐层预测学习进度，就需要使用“正则化(注3)”技术进行调整。根据神经网络结构的自动学习优化
基于神经网络的结构，
此技术的出现，实现自动检测灾害、
以往进行深度学习时,很难基于神经网络构造(注1)进行调整,所以无法在整个网络进行最优化的学习, 因而无法充分发挥其识别性。事故和灾难等。有的学习停滞等问题，均有望实现识别精度的进一步提高。据此，即可在与以往同等的学习计算量下轻松地实现高精度。
近日，因而很难充分发挥原有的识别性能。来抑制过学习的方法。整个网络的学习进度就得到了优化，但是，另外，
由于神经网络的学习过程因其结构而复杂多变，在整个网络中学习被优化，深度学习使用具备深层构造的神经网络, 学习事先准备好的数据来实现高精度化。NEC宣布开发了更易于提高识别精度的深度学习自动优化技术。
(注1) 神经网络：由人造神经细胞(神经元)组成的神经网络。将先进的ICT技术与知识相融合，改善识别精度。如果数据被过度地学习，例如，由于手动调整各层的学习进度极为困难，为了避免这种情况的发生，在图像识别、
(注2) 过学习：对给定数据过度学习，识别错误率降低了约20%，新技术的优点
1、高效、
NEC集团致力于在全球范围内推进社会解决方案，