Maxout Networks及实现原理
2018-01-29 16:55
351 查看
maxout:http://arxiv.org/pdf/1302.4389v4.pdf
maxout出现在ICML2013上,作者Goodfellow(GAN的发明者)将maxout和dropout结合后,在MNIST, CIFAR-10, CIFAR-100, SVHN这4个数据上都取得了stat-of-the-art的识别率(大概就是最先进最好的意思吧?)。
具体原理如下图:
输入层两维,隐层四维,输出一维。
maxout,如下图中间又加一层(有的叫隐隐层…)五个神经元,
过程相当于
再一般化:
输入/特征图尺寸:
filters :
output shape(stride=1)
在 num_filters 维度使用max-pooling(max-pooling stride=5):
https://github.com/benanne/kaggle-galaxies/issues/2
maxout出现在ICML2013上,作者Goodfellow(GAN的发明者)将maxout和dropout结合后,在MNIST, CIFAR-10, CIFAR-100, SVHN这4个数据上都取得了stat-of-the-art的识别率(大概就是最先进最好的意思吧?)。
MAXOUT
论文中证明Maxout可以拟合任何凸函数,是一个通用的函数拟合器。如下图二维函数(ReLU函数、V型函数、二次型函数)的拟合, 通过构造多个仿射变换来对其进行逼近,对分段函数每段取最大。
具体原理如下图:
输入层两维,隐层四维,输出一维。
对于一般卷积网络,直接得到h=conv(wx+b)
maxout,如下图中间又加一层(有的叫隐隐层…)五个神经元,
过程相当于
1 先conv(wx+b)得到五个z值,构成5层的featuremap 2 随后,再对以最大池化步长(max pooling stride)为5 进行maxpooling。
再一般化:
输入/特征图尺寸:
(minibatch_size, num_input_channels, image_width, image_height)
filters :
(num_filters, num_input_channels, filter_width, filter_height)
output shape(stride=1)
(minibatch_size, num_filters, image_width - filter_width + 1, image_height - filter_height + 1)
在 num_filters 维度使用max-pooling(max-pooling stride=5):
(minibatch_size, num_filters / 5, image_width - filter_width + 1, image_height - filter_height + 1)
reference
http://blog.csdn.net/zhufenghao/article/details/52527047https://github.com/benanne/kaggle-galaxies/issues/2
相关文章推荐
- dropout原理与实现
- 深度学习方法(十):卷积神经网络结构变化——Maxout Networks,Network In Network,Global Average Pooling
- 深度学习方法(十):卷积神经网络结构变化——Maxout Networks,Network In Network,Global Average Pooling
- 论文笔记 《Maxout Networks》 && 《Network In Network》
- 源代码解读Cas实现单点登出(single sign out)功能实现原理
- Deep Learning 26:读论文“Maxout Networks”——ICML 2013
- 源代码解读Cas实现单点登出(single sign out)功能实现原理--转
- [深度学习论文笔记][Image Classification] Maxout Networks
- 源代码解读Cas实现单点登出(single sign out)功能实现原理
- 最大流/最小割(maxflow/mincut)的原理讲解和代码实现
- 初读java源码:详解System.out.print实现原理
- [Read Paper] Maxout Networks
- 源代码解读Cas实现单点登出(single sign out)功能实现原理
- 神经网络之激活函数 dropout原理解读 BatchNormalization 代码实现
- 论文笔记 《Maxout Networks》 && 《Network In Network》
- 源代码解读Cas实现单点登出(single sign out)功能实现原理
- Maxout Networks
- 源代码解读Cas实现单点登出(single sign out)功能实现原理
- .net开发之我见,or实现 最简 优化法。knock out type convert 与我之简化orm的实现原理及实现细则,最简化开发法
- 最大流/最小割(maxflow/mincut)的原理讲解和代码实现