用于输入与特征空间前馈神经网络训练的逆向投影法
机器学习
2020-07-01 v1 机器学习
摘要
在通过反向传播训练的神经网络取得巨大发展之后，现在是开发其他神经网络训练算法以更深入理解网络的好时机。本文提出一种训练前馈神经网络的新算法，其速度相当快于反向传播。该方法基于投影与重建，在每一层强制投影数据与重建标签相似，并据此逐层调整权重。所提算法可用于输入空间和特征空间，分别称为逆向投影和核逆向投影。该算法从基于投影的视角为网络提供了洞见。在合成数据集上的实验显示了所提方法的有效性。
引用
@article{arxiv.2004.04573,
title = {Backprojection for Training Feedforward Neural Networks in the Input and Feature Spaces},
author = {Benyamin Ghojogh and Fakhri Karray and Mark Crowley},
journal= {arXiv preprint arXiv:2004.04573},
year = {2020}
}
备注
Accepted (to appear) in International Conference on Image Analysis and Recognition (ICIAR) 2020, Springer