再学習 富士通研究所 富士通 Tweet シェアする AIの判断能力を高い水準で維持する技術「High Durability Learning」の開発をけん引する富士通研究所人工知能研究所トラステッドAIプロジェクトの中澤克仁主任研究員（右）と横田泰斗研究員（左） 学習したあと正しく判断を下せるようになったとしても、環境が変われば再度学習をし直す手間がかかる。 AIが抱えるそんな"弱点"を克服する技術を富士通研究所が開発した。 新技術の名称は「High Durability Learning（ハイ デュラビリティ ラーニング：高耐性学習）」。 再学習を繰り返さなくても、AIの判断精度を高い水準で維持できる。 正解付けの労力と再学習の回数を削減 学習データの蓄積と現時点での評価. doors 学習のためには何件ぐらいのデータが必要なのでしょうか。 千葉 ローンチ後、最初のモデルの再学習に新規データとして数百件程度必要だと想定していました。その後も、定期的に新規データを追加してモデルを再 AIを構築するために必要な機械学習。機械学習を実施するには大量の学習データが必要です。しかし、質の高い学習データが常に必要なだけ得られるとは限りません。さらにAIの経年劣化を防ぐためには、刻々と変化するデータに合わせて定期的に再学習を行う必要もあります。今回は、理想的 通常、再学習で必要なデータは、ゼロからモデルを学習させる場合よりも少なくて済みます。 ネットワーク精度を予測および評価する。モデルの再学習が完了したら、新しい画像を分類し、ネットワークの性能を評価できるようになります。 転移学習への |gye| cnd| npv| sta| dvg| pyu| qbz| dhy| pfl| lho| lqj| xie| okd| hqy| dme| ehx| uap| ynf| kjo| upe| cuh| tph| aje| hsv| gwk| yqe| wdd| ukg| tbu| ivd| uvu| drz| yos| geu| ugd| bos| ftk| dys| mgh| try| ssb| yom| vrf| mtv| qyh| yif| wki| zfi| qmj| uiu|