Из Википедии, бесплатной энциклопедии
Перейти к навигации Перейти к поиску

Слой в глубокой модели обучения является структура или топология сети в архитектуре модели, которые принимают информацию от предыдущих слоев , а затем передать информацию к следующему слою. В глубоком обучении есть несколько известных уровней, а именно сверточный слой [1] и максимальный уровень объединения [2] [3] в сверточной нейронной сети . Полностью связанный слой и слой ReLU в ванильной нейронной сети. Уровень RNN в модели RNN [4] [5] [6] и слой деконволюции в автоэнкодере и т. Д.

Различия со слоями неокортекса [ править ]

Между слоями глубокого обучения и неокортикальными слоями существует внутренняя разница : уровни глубокого обучения зависят от топологии сети , в то время как слои неокортекса зависят от однородности внутри слоев .

См. Также [ править ]

Ссылки [ править ]

  1. ↑ Хабиби, Агдам, Хамед (30 мая 2017 г.). Руководство по сверточным нейронным сетям: практическое приложение для обнаружения и классификации дорожных знаков . Херави, Эльназ Джахани. Чам, Швейцария. ISBN 9783319575490. OCLC  987790957 .
  2. ^ Ямагути, Коити; Сакамото, Кендзи; Акабане, Тошио; Фудзимото, Ёсидзи (ноябрь 1990 г.). Нейронная сеть для независимого от говорящего изолированного распознавания слов . Первая международная конференция по обработке разговорной речи (ICSLP 90). Кобе, Япония.
  3. ^ Чиресан, Дан; Мейер, Ули; Шмидхубер, Юрген (июнь 2012 г.). Многоколоночные глубокие нейронные сети для классификации изображений . Конференция IEEE 2012 года по компьютерному зрению и распознаванию образов . Нью-Йорк, штат Нью-Йорк: Институт инженеров по электротехнике и электронике (IEEE). С. 3642–3649. arXiv : 1202.2745 . CiteSeerX 10.1.1.300.3283 . DOI : 10.1109 / CVPR.2012.6248110 . ISBN  978-1-4673-1226-4. OCLC  812295155 . S2CID  2161592 .
  4. ^ Dupond, Самуэль (2019). «Подробный обзор современного развития нейронных сетевых структур» . Ежегодные обзоры под контролем . 14 : 200–230.
  5. ^ Abiodun, Oludare Исаак; Джантан, Аман; Омолара, Абиодун Эстер; Дада, Кеми Виктория; Мохамед, Начаат Абделатиф; Аршад, Хумаира (01.11.2018). «Современное состояние приложений искусственных нейронных сетей: обзор» . Гелион . 4 (11): e00938. DOI : 10.1016 / j.heliyon.2018.e00938 . ISSN 2405-8440 . PMC 6260436 . PMID 30519653 .   
  6. ^ Тилаб, Ахмед (2018-12-01). «Прогнозирование временных рядов с использованием методологий искусственных нейронных сетей: систематический обзор» . Журнал "Вычислительная техника и информатика будущего" . 3 (2): 334–340. DOI : 10.1016 / j.fcij.2018.10.003 . ISSN 2314-7288 .