用于解析广义汉明网络深度精髓：深度学习的模糊逻辑解释
计算机视觉与模式识别
2017-11-16 v1
摘要
本文对 Fan (2017) 提出的训练好的广义汉明网络 (GHN) 进行了严格分析，并揭示了关于 GHN 的一个有趣发现，即 GHN 中堆叠的卷积层等价于一个单一但较宽的卷积层。所揭示的等价性在理论方面可视为 universal approximation theorem (Cybenko 1989; Hornik 1991) 的一种构造性体现。在实践中，它具有深刻且多方面的意义。对于网络可视化，每一层构建的深度精髓提供了不依赖于输入数据的网络内部表示可视化。此外，深度精髓允许仅一步直接提取特征，而无需借助现有可视化工具中使用的正则化优化。
引用
@article{arxiv.1711.05397,
title = {Deep Epitome for Unravelling Generalized Hamming Network: A Fuzzy Logic Interpretation of Deep Learning},
author = {Lixin Fan},
journal= {arXiv preprint arXiv:1711.05397},
year = {2017}
}
备注
25 pages, 14 figures