前言

题目：ImageNet Classification with Deep Convolutional Neural Networks
作者： Alex Krizhevsky, Ilya Sutskever, Geoffrey E. Hinton.
文件：3065386.pdf

翻译

一、题目：

基于深度卷积神经网络的图像网络分类（convolutional:卷积的，回旋的，脑回的；neural:神经的；network：网络）

二、摘要：

我们训练了大量的深度卷积神经网络，去给ImageNet LSVRC-2010比赛提供的1000种不同类型的1.2百万高清图片进行分类。在测试数据中，我们实现了前一错误率和前五错误率37.5%和17.0%，（respectively：分别地)都在很大程度上好于以前最先进的（state-of-the-art：最先进的，达到最高水准的）。这个神经网络有6千万的参数(parameters)和65万的神经元(neuron)，包括5个卷积层，以及一些最大池化层(max-pooling layers)，三个最终有1000个softmax（？？）的全连接层。为了加快训练，我们使用非饱和神经元（non-saturating neuron）,和一个非常高效进行卷积运算的GPU实现（implementation:实现，执行；operation:运算）。为了减少全连接层的过度拟合（overfitting:过适，过度拟合），我们采用最近开发（developed）的叫“dropout”的正则化方法（regularaization:正则化，规则化，合法化），已经被证明很有效。我们也在ILSVRC-2012比赛中使用了这个模型的一个变体（variant:变体，不同的），取得了15.3%的前五测试错误率，而第二的错误率是26.2%。

三、序言（prologue:开场白、序言）

四年前，Yann LeCun和他的伙伴（collaborator:合作者，勾结者，通敌者、拍档）