คำถามติดแท็ก deep-learning

พื้นที่ของการเรียนรู้ของเครื่องที่เกี่ยวข้องกับการเรียนรู้การเป็นตัวแทนของข้อมูลแบบลำดับชั้นส่วนใหญ่ทำกับเครือข่ายประสาทลึก

2
สนามเซลล์ประสาทสัมผัสใน LeNet
ฉันพยายามที่จะเข้าใจทุ่งเปิดกว้างของซีเอ็นเอ็นให้ดีขึ้น ในการทำเช่นนั้นฉันต้องการคำนวณเขตข้อมูลที่เปิดกว้างของแต่ละเซลล์ประสาทใน LeNet สำหรับ MLP ปกติมันค่อนข้างง่าย (ดูhttp://deeplearning.net/tutorial/lenet.html#sparse-connectivity ) แต่มันยากกว่าในการคำนวณเขตข้อมูลที่เปิดกว้างของเซลล์ประสาทในเลเยอร์ต่อไปนี้หนึ่งชั้นหรือมากกว่านั้นและ รวมชั้น เซลล์รับแสงของเซลล์ประสาทในชั้นที่ 2 คืออะไร? มันมีขนาดใหญ่กว่ามากในชั้นย่อยย่อย / รวมกำไรต่อไปนี้? และสูตรการคำนวณเหล่านี้คืออะไร?

1
แนวทางใดที่ควรปฏิบัติตามสำหรับการใช้โครงข่ายประสาทเทียมด้วยอินพุตแบบกระจาย
ฉันมีอินพุตเบาบางมากเช่นตำแหน่งของคุณสมบัติบางอย่างในภาพอินพุต คุณสมบัติเพิ่มเติมแต่ละอย่างสามารถมีการตรวจจับหลายครั้ง (ไม่แน่ใจว่าสิ่งนี้จะมีผลต่อการออกแบบระบบ) สิ่งนี้ฉันจะนำเสนอเป็น 'ภาพไบนารี' ของช่อง k ด้วยพิกเซล ON ที่แสดงถึงการมีอยู่ของคุณสมบัตินั้นและในทางกลับกัน เราจะเห็นได้ว่าข้อมูลดังกล่าวถูกผูกมัดให้กระจัดกระจายมาก ดังนั้นมีคำแนะนำใด ๆ เมื่อใช้ข้อมูลที่กระจัดกระจายกับอวนประสาทข้อมูลเฉพาะที่เป็นตัวแทนของการตรวจจับ / สถานที่?
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.