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?
Du musst angemeldet sein, um einen Kommentar abzugeben.
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.