NEC melhora processos de deep learning

Melhorar a precisão do reconhecimento de imagem, fala e outras áreas é o objetivo da nova tecnologia que a NEC desenvolveu para deep learning. A empresa propõe um novo método de configuração automática de regularização em cada camada de uma rede neuronal artificial, que pretende resolver o problema da “sobreaprendizagem” nesta área da inteligência artificial. Os testes mostram uma redução dos erros em torno dos 20%.

O deep learning capitaliza na profunda estruturação em camadas das redes neuronais artificiais e aprende a partir dos dados preparados. No entanto, se os sistemas se tornarem excessivamente familiarizados com os dados, tornam-se incapazes de reconhecer com precisão os dados que não aprenderam. A “sobreaprendizagem” degrada a precisão de reconhecimento e é mitigada com técnicas de regularização, que regulam a extensão da aprendizagem para evitar que atinja um grau excessivo.

«Esta tecnologia prevê o progresso de aprendizagem em cada camada com base na estrutura de uma rede neuronal artificial e permite que a regularização seja automaticamente configurada em conformidade», explica Akio Yamada, diretor geral dos Laboratórios de Pesquisa em Ciência dos Dados da NEC. «Isto significa que a aprendizagem é otimizada ao longo de toda a rede, possibilitando o aperfeiçoamento da precisão de reconhecimento, com redução de erros de reconhecimento em cerca de 20%, em comparação com os sistemas convencionais.»

Yamada afirma que esta tecnologia deverá melhorar a precisão de reconhecimento no reconhecimento de imagens e da fala, além de outras áreas nas quais o deep learning é utilizado. «Será capaz de melhorar a precisão do reconhecimento facial e da análise do comportamento para fins que incluem, por exemplo, a vídeo vigilância, o aumento da eficiência na inspeção de infraestruturas ou a deteção automática de acidentes, desastres ou falhas em sistemas.»

---