为了促进识别准确性的提高，NEC已经开发了自动优化技术来进行深度学习。
该公司在一份声明中解释说，如果深度学习系统对数据过度熟悉，他们将无法准确识别他们尚未学到的数据。当处理学习过程中未使用的数据时，这种“过度训练”导致识别准确性的降解。为了防止过度训练，通常使用“正则化”技术，这调节了学习的程度，以防止其达到过多的程度。
NEC数据科学研究实验室总经理Akio Yamada说：“这项技术根据人工神经网络的结构预测了每层学习的进步，并使正规化能够自动配置。” “这意味着学习在整个网络中都进行了优化，因此可以提高识别准确性，例如与传统系统相比，将识别错误降低了约20％。”
Yamada继续说：“这项技术有望提高图像和语音识别的识别精度，并在其中使用深度学习的许多其他领域。” “它将能够提高面部识别和行为分析的准确性，包括视频监视，例如，或提高基础设施检查的效率，或启用自动检测系统故障，事故或灾难。”
