【论文】深度卷积神经网络的ImageNet分类（ImageNet Classification with Deep Convolutional Neural Networks）

题目： ImageNet Classification with Deep Convolutional Neural Networks

摘要：

我们训练了一个大型的深度卷积神经网络，将LSVRC-2010 ImageNet训练集中的130万幅高分辨率图像分成1000个不同的类。在测试数据上，我们获得了前1名和前5名的错误率，分别为39.7%和18.9%，这比之前的最新结果要好得多。该神经网络有6000万个参数和50万个神经元，由5个卷积层组成，其中一些是最大池化层，还有两个全局连接层，最后是1000路的softmax。为了加快训练速度，我们使用了不饱和的神经元和一个非常高效的卷积网络GPU实现。为了减少全局连通层中的过拟合，我们采用了一种新的正则化方法，该方法被证明是非常有效的。

作者：

Ilya Sutskever是OpenAI的联合创始人和首席科学家，之前是斯坦福大学博士后，研究领域是机器学习，神经网络。