Deep, Big, Simple Neural Nets for Handwritten Digit Recognition
Deep, Big, Simple Neural Nets for Handwritten Digit Recognition
复制标题
DOI：
10.1162/neco_a_00052
复制
发表时间：
2010-12-01
影响因子：
2.9
通讯作者：
Schmidhuber, Juergen
中科院分区：
文献类型：
--
作者：
Ciresan, Dan Claudiu;Meier, Ueli;Schmidhuber, Juergen
在MNIST手写数字基准测试中，普通多层感知器的良好在线反向传播产生了非常低的0.35%的错误率。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避免过度拟合，以及显卡以大大加快学习速度。
Good old online backpropagation for plain multilayer perceptrons yields a very low 0.35% error rate on the 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 to avoid overfitting, and graphics cards to greatly speed up learning.