길쌈 신경 네트워크

Question

길쌈 신경 네트워크에 대한 직관적 인 이해가 정확합니까? 1. 컨볼 루션은 기본적으로 이미지의 로컬 부분이 길쌈 커널/필터와 얼마나 비슷한지를 나타냅니다. 커널/필터는 기능 감지기와 같습니다 . 중요한 것은 은이며, SGD를 통해 자동으로 변경되고 최적화됩니다.

Answer 1

이것은 "비슷한"방법에 대한 대략적인 이해에 해당합니다. 당신이 내적 계산의 계산을 유사성을 측정하는 것으로 생각한다면 대답은 '예'입니다. 나는 왜 개인적으로 의심을 가지고 있습니까? 왜냐하면 이것은 벡터 (또는 행렬)의 표준에 크게 의존하기 때문입니다. 우리가 그들을 컨 볼브 얻을

1 1 1 
2 2 2 
1 1 1 

이

1 + 1 + 1 + 2*2 + 2*2 + 2*2 + 1 + 1 + 1 = 18 

지금 이미지를

2 2 2 
2 2 2 
2 2 2 

을 할 수 있습니다, 우리가

,691,363을 얻을 이미지를

1 1 1 
2 2 2 
1 1 1 

와 커널을 고려할 수 있습니다210

2 + 2 + 2 + 2*2 + 2*2 + 2*2 + 2 + 2 + 2 = 24 

나는 첫 번째 이미지가 다른 하나보다 커널에 더 같았다고 말할 것이다. 그러나 convolution은 다른 것을 말하고있다. 따라서 간단하지는 않습니다. 컨볼 루션은 단순히 이미지의 선형 필터링으로 신호를 컨볼 루션하고 점 샘플을 하위 샘플에 적용하지만 "유사성 검색"이라고하는 것은 너무 어렵습니다. 그러나 그것은 특징 탐지기이며 매우 특정한 것입니다.

당신이 당신의 설명에 누락 회선, 대한 중요한 것은 당신이 매에 적용되는 지역의 이미지 필터의 무리 "자리" 내용 것으로, 이러한 감지기, 사실의 공유 성격입니다 이미지의 위치 불변성과 모델의 매개 변수화를 상당히 줄입니다.