Wie bekommen wir/Filter definieren, die in convolutional neural networks?

Gewusst wie: implementieren eine Tiefe autoencoder (eHow bekomme ich die Filter von convulutional neural network(CNN)? Meine Idee ist so etwas wie dies: random-Bilder von der input Bilder (28x28) und zufällige Flecken (8x8). Dann nutzen Sie autoencoders zu lernen, die gemeinsame Merkmale der patches (features = versteckte Einheiten; etwa 100, zum Beispiel). Dann bewerben Sie verfügt über Filter, um die Eingabe von Bildern und do-convolution. Bin ich richtig?

Ich bin verwirrt, weil irgendwann der Literatur Staat nur mit wie, z.B. 8, - Filter, aber in meinem Fall habe ich 100..g. 2 oder 3 Schichten)? Irgendwelche Ideen oder Ressourcen?

  • Ich möchte helfen, aber ich brauche, um zu verstehen, ein wenig mehr über Ihre Frage. Fragen Sie wie wählen Sie die Anzahl der Filter pro layer? Oder, welcher code zu verwenden auf lernen Sie die Filter? Oder etwas anderes?
InformationsquelleAutor RockTheStar | 2014-10-22
  1. 4

    Können Sie Folgen Sie der Anleitung : http://ufldl.stanford.edu/wiki/index.php/UFLDL_Tutorial

    Dies ist wie eine Vorlesung über beide auto-Encoder und ein paar einfache Sachen über CNN (Faltung und Bündelung). Wenn Sie das Lernprogramm durchgearbeitet haben, werden Sie haben beide auto-encoder-Implementierung und gestapelt-auto-encoder in deinen Worten Tiefe auto-encoder-Implementierung bereit.

    Diesem tutorial wird genau das, was Sie sich wünschen:

    • 28x28 MNIST Bilder

    • immer 8x8 patches und lernen-Filter mittels auto-Encoder

    • convolving dieser Bilder durch diese 8x8-Filter

    • diese zu bündeln,

    • mithilfe der pooled-Vektoren/Bilder und setzen Sie in einen weich-max Klassifizierer zu lernen 10 verschiedenen Klassen der MNIST-Datenbank.

    • Ja danke. Ich fand das tutorial auch. 🙂
    • So kann ich dies hinzufügen --> ich landete mit die folgende Tief-Netzwerk:
    • Ebene1 convolve mit 32-Filter der Größe 3by3 und sigmoid-Funktion für nicht-Linearität/ Layer2-subsampling oder inotherwords-pooling mit 2by2/Layer-3-convolve mit 32 filtern von 2by2 und sigmoid wieder/ Layer4 teilstichprobe mit 2by2 / Schicht 5 softmax Klassifizierer. Dies gibt mir mehr %98 nach zufälligen Initialisierung der GEWICHTE. Ich werde versuchen, größere convolution-Größen und weniger filter zählt und Sie wissen lassen, das Ergebnis in 2 Wochen. Aber ich kann Ihnen sagen, dass ohne Verwendung von CNN und nur mit autoencoders und softmax Schicht am Ende kann ich nie erreichen %97-stuck bei 96
    • Wie viele Schichten haben Sie?
    • Ich hatte 5 Schichten wie oben erwähnt.. aber wenn ich einen größeren filter Größe, die ich denke, dass ich nicht in der Lage, mehr als 1 faltungs-und 1-pooling.. vielleicht kann mir ja 1 mehr vollständig verbunden autoencoder vor dem letzten softmax-Schicht.
    InformationsquelleAutor Doga Siyli
Schreibe einen Kommentar