답변

4

자동 인코딩기를 사용하면 성능이 향상되고 생물학적으로 그럴듯한 필터가 생성되며 더 중요한 것은 미리 정의 된 필터 대신 데이터를 기반으로 한 모델을 제공 할 수 있습니다. 자동 인코딩은 일반적으로 데이터에 더 적합한 필터를 제공합니다. 유일한 단점은 물론 추가 계산 시간입니다. 그러나 많은 경우 온라인에서 배우는 것을 방해하지 않습니다. 당신이 봐해야 할 수도 있습니다 더 평가를 들어

: http://www.idsia.ch/~masci/papers/2011_icann.pdf

+0

은 그냥 무작위로 필터를 생성하고 괜찮은 결과를 얻을 수 있습니까? 가중치 조정을 배우는 한 필터가 수렴됩니까? – carboncomputed

+1

괜찮아요. 연결된 종이는 자동 결과와 무작위 초기화를 비교합니다. 그들은 사전 훈련이 약간 더 나은 결과를 제공하므로 체크 아웃 할 가치가 있다고 결론 내립니다. – runDOSrun

+0

도움에 감사드립니다. 랜덤 가중치로 시작하여 누적 된 자동 인코딩 프로그램으로 작업 할 수도 있지만 여전히 CNN의 세부 사항을 파악하고 있습니다. 로컬 연결 입력은 어떻게 선택됩니까? 그것은 "로컬"을 정의하는 것 같습니다 (얼마나 많은 해당 뉴런을 연결할 지). 나는 이것을 나의 주요 출처로 사용하고있다 : http://ufldl.stanford.edu/tutorial/supervised/FeatureExtractionUsingConvolution/ – carboncomputed