کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6874154 1441026 2018 14 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Lie group impression for deep learning
ترجمه فارسی عنوان
برداشت گروه دروغ برای یادگیری عمیق
کلمات کلیدی
تصور بصری، یادگیری عمیق، گروه دروغ، الگوریتم ها،
ترجمه چکیده
در این کار، از یک الگوریتم جدید برای گرفتن ساختار چندبعدی گروه دروغ از برداشت تصویری بهره می گیریم. با توسعه یک مدل لایه تک لایه، ما نشان می دهیم که چگونه الگوریتم یادگیری نمایندگی را می توان به عنوان یک ساختار عمیق ساخت. علاوه بر این، ما یک الگوریتم لغزش گرادیان مبتنی بر گروه را برای حل مشکل یادگیری وزن شبکه طراحی می کنیم. ما نشان می دهیم که تکنیک پیشنهادی ما بازنمایی هایی را ارائه می دهد که به طور قابل توجهی بهتر برای آموزش شبکه عمیق و همچنین کارآیی محاسباتی است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نظریه محاسباتی و ریاضیات
چکیده انگلیسی
In this work, we exploit a novel algorithm for capturing the Lie group manifold structure of the visual impression. By developing the single-layer Lie group model, we show how the representation learning algorithm can be stacked to yield a deep architecture. In addition, we design a Lie group based gradient descent algorithm to solve the learning problem of network weights. We show that our proposed technique yields representations that significantly better suited for training deep network and is also computationally efficient.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Information Processing Letters - Volume 136, August 2018, Pages 12-16
نویسندگان
, , , ,