La tecnología predice el avance del aprendizaje en cada capa basándose en la estructura de una red neuronal artificial y permite que la regularización se configure automáticamente.
NEC anunció el desarrollo de una tecnología de optimización automática para aprendizaje profundo que ayudará a facilitar el progreso en la precisión del reconocimiento. Dicha tecnología predice el avance del aprendizaje en cada capa basándose en la estructura de una red neuronal artificial y permite que la regularización se configure automáticamente como corresponde. 
Akio Yamada, gerente General de los Laboratorios de Investigación en Ciencia de Datos de NEC, explicó que el aprendizaje se optimiza en la red, mejorando la precisión de reconocimiento en 20% en comparación con los sistemas convencionales.
El aprendizaje profundo permite niveles más altos de precisión en el reconocimiento concentrándose en las estructuras profundas de las redes neuronales artificiales para así aprender de los datos existentes.
"Se espera que la tecnología mejore la precisión de reconocimiento para el reconocimiento de imágenes y voz, y una gran cantidad de otros campos en los que se usa el aprendizaje profundo. Asimismo, se podrá mejorar la precisión del reconocimiento facial y el análisis del comportamiento para fines como videovigilancia, para aumentar la eficiencia de las inspecciones de la infraestructura o para permitir la detección automática de fallas del sistema, accidentes o desastres".