基于机械神经网络的深度学习是近年人工智能的大热门,而 NEC 也针对神度学习发表深度学习自动优化技术,强调能够降低辨识错误率并使辨识精度提升;这项技术的起因是在现行的机械神经网络的学习模式中,若电脑过度学习资料会产生"过度训练"现象,导致仅有学习过的资料才具备高精度、未曾训练过的资料精度会下降,通常会使用所谓"正规化"方式调整过程,当前的方式是仅能针对整个类神经网络进行统一的正规化,但仍无法改变部分学习层过学习的情况,但透过手动方式逐层调整也相当困难。
而 NEC 的新技术则是依照类神经网络结构进行每一层学习进度的预测,同时针对各层进度进行自动设定的正规化,如此一来相较传统统一正规化的方式可降低 20% 的辨识错误率,使精度大幅提升;同时在导入此项预测式自动正规化后,不须提升计算量,可在维持与先前相同的计算量之下使得精度提升。