
α Η εγκριθείσα υπολειμματική-υπολειμματική προσομοίωση μοντέλου. Η στρώμα εισόδου δέχεται τα αρχικά δεδομένα και τα μετατρέπει σε πολλαπλά κανάλια χαρακτηριστικό μέσω ελικώσεων. Από το δεύτερο στρώμα, κάθε στρώμα είναι κατασκευασμένο με περιελίξεις και τις λειτουργίες ενεργοποίησης μη γραμμικές (διορθωμένες γραμμικές μονάδες, οι οποίες υποδηλώνουν ReLUs, σε αυτό το έργο). Επιπλέον, τα δύο συνελικτικά στρώματα συνθέτουν ένα υπολειμματικό μπλοκ. Στο τέλος κάθε μπλοκ του υπόλοιπου, τα δεδομένα σε συνδυασμό με εκείνα μπροστά από το υπόλοιπο των μπλοκ για να ολοκληρώσετε μια υπολειπόμενη συντόμευση. Μετά από αρκετά υπολειμματικά μπλοκ, το στρώμα εξόδου συγχωνεύει δεδομένα από πολλαπλά κανάλια χαρακτηριστικά και τα προσθέτει στα αρχικά δεδομένα. Μετατρ.αντιπροσωπεύει τη σύνοδο και την πράξη. υποδηλώνει μη γραμμική ενεργοποίηση. σιΈνα σχηματικό διάγραμμα της διαχείρισης δεδομένων σε πλήρως συνελικτικά νευρωνικά δίκτυα, στα οποία όλες οι συνδέσεις είναι συνελίξεις. Επειδή η συσχέτιση απαιτεί μόνο αρκετές τιμές εισόδου για να δώσουν αποτελέσματα, μια ενιαία τιμή εξόδου (O1 ή O2) επηρεάζεται μόνο από διάφορες τιμές από το προηγούμενο στρώμα (κόκκινο μπλοκ). Αν η επιθεώρηση του νευρωνικού δικτύου σε αντίστροφη, η τιμή του Σ1 επηρεάζεται μόνο από ένα μικρό τμήμα στην είσοδο ακολουθίας (Seg1) και όλες οι άλλες τιμές είναι άνευ σημασίας. O2 και Seg2 είναι παρόμοια (αναφέρονται λεπτομερώς στο Suppl.
No comments:
Post a Comment