作为引导多层 RECOS 变换的 CNN
计算机视觉与模式识别
2017-02-21 v3
摘要
开发基于神经网络的监督机器学习问题解决方案的兴趣正在复苏。本文将研究卷积神经网络 (CNN)。首先，我们引入 RECOS 变换作为 CNN 的基本构建块。“RECOS” 是 “REctified-COrrelations on a Sphere”（球面上整流相关）的首字母缩写。它包含两个主要概念：1) 球面上的数据聚类，2) 整流。随后，我们将 CNN 解释为实现了引导多层 RECOS 变换的网络，其中有三个亮点。首先，我们比较了传统的单层与现代多层信号分析方法，指出启用多层方法的关键成分，并给出 CNN 工作原理的完整解释。其次，我们讨论在训练中标签如何通过反向传播 (BP) 提供引导。第三，我们展示训练好的网络在测试阶段可大幅简化，滤波权重和输入均仅需一位表示。
引用
@article{arxiv.1701.08481,
title = {CNN as Guided Multi-layer RECOS Transform},
author = {C. -C. Jay Kuo},
journal= {arXiv preprint arXiv:1701.08481},
year = {2017}
}