NECは12月12日、ニューラルネットワークの構造に応じた深層学習（ディープラーニング）の自動最適化技術を開発したと発表した。ニューラルネットワークの学習の進み具合を、その構造に応じて自動的に最適化する技術で、従来よりも高い認識精度を実現している。
ディープラーニングは、深い層構造を持ったニューラルネットワークを用いて、あらかじめ準備したデータを学習させることで画像や音声などの認識精度を高めている。データを過度に学習すると、学習したデータしか高精度に認識できず、学習に用いていないデータに対する認識精度が低下する「過学習」と呼ばれる現象が生じる。その現象を避けるために、学習が過度に進まないように学習の進行を調整する「正則化」と呼ばれる技術が使われている。
ニューラルネットワークの学習の進み具合は、その構造によって複雑に変化するため、従来はネットワーク全体に対して同じ正則化を用いるしかなかった。そのため、ネットワークの各層によって過度に学習したり、あるいは学習が進まなかったりする問題が生じ、本来の認識性能を十分に引き出すことが困難だったという。また、各層の学習の進み具合を手動で調整することは極めて難しかった。
新たに開発した技術は、ニューラルネットワークの構造を基に学習の進み具合を層ごとに予測し、その進み具合に適した正則化を層ごとに自動設定するもの。これにより、ネットワーク全体で学習が最適化され、従来と比べて認識エラーを20％程度削減するなど、認識精度の改善が期待できる。ニューラルネットの学習を行う前に一度だけ実施されるものであり、学習に関わる計算量は従来と同等となっている。
正則化の自動設定イメージ（出典：NEC）
