卷积神经网络权重的解析计算
计算机视觉与模式识别
2025-05-29 v1 人工智能
摘要
本文提出了一种在不使用标准训练程序的情况下解析计算卷积神经网络权重和阈值的算法。该算法仅需从 MNIST 数据集中选取 10 张图像（分别代表 0 到 9 的数字）即可确定 CNN 参数。作为该方法的一部分，CNN 层中的通道数也是解析推导得出的。在 C++ Builder 中实现了一个软件模块，并使用 MNIST 数据集进行了一系列实验。结果表明，解析计算的 CNN 无需任何训练即可识别 1000 张手写数字图像中的一半以上，并在几分之一秒内完成推理。这些发现表明，无需训练，仅通过权重的纯解析计算即可直接构建和应用 CNN 进行分类任务。
引用
@article{arxiv.2505.21557,
title = {Analytical Calculation of Weights Convolutional Neural Network},
author = {Polad Geidarov},
journal= {arXiv preprint arXiv:2505.21557},
year = {2025}
}