带零填充的深度卷积神经网络：特征提取与学习
机器学习
2023-08-01 v1 计算机视觉与模式识别
摘要
本文研究带零填充的深度卷积神经网络（DCNN）在特征提取与学习中的性能。在验证了零填充在实现平移等价性中的作用，以及池化在其平移不变性驱动本质中的作用后，我们表明在自由参数数量相近时，任意深度全连接网络（DFCN）均可由带零填充的 DCNN 表示。这表明带零填充的 DCNN 在特征提取上本质上优于 DFCN。进而，我们导出带零填充 DCNN 的通用一致性，并展示其在学习过程中的平移不变性。我们全部的理论结果均通过数值实验验证，包括玩具仿真与真实数据运行。
引用
@article{arxiv.2307.16203,
title = {Deep Convolutional Neural Networks with Zero-Padding: Feature Extraction and Learning},
author = {Zhi Han and Baichen Liu and Shao-Bo Lin and Ding-Xuan Zhou},
journal= {arXiv preprint arXiv:2307.16203},
year = {2023}
}
备注
18