以层次化拓扑地图为内部表征的分类器
神经与进化计算
2015-04-06 v4
摘要
本研究旨在将我们先前提出的上下文相关拓扑地图与深度学习领域建立联系。我们的架构是一个分类器，其隐藏层为层次化的二维拓扑地图。这些地图不同于传统的自组织映射，其组织方式以自上而下的方式受到数据标签上下文的影响。通过这种方式，自下而上和自上而下的学习在一种生物学相关的表征学习设置中得以结合。与先前工作相比，我们在此特别将模型置于比以往实验更具挑战性的环境中进行阐述，并推进更多隐藏表征层，以便将我们的讨论引入深度表征学习的语境中。
引用
@article{arxiv.1412.6567,
title = {Classifier with Hierarchical Topographical Maps as Internal Representation},
author = {Thomas Trappenberg and Paul Hollensen and Pitoyo Hartono},
journal= {arXiv preprint arXiv:1412.6567},
year = {2015}
}