时序卷积神经网络的动态权重对齐
计算机视觉与模式识别
2019-02-08 v6 机器学习
神经与进化计算
摘要
本文提出一种通过动态规划确定权重与输入的最优对齐来改进时序卷积神经网络(CNN)的方法。传统 CNN 卷积将共享权重线性匹配到输入的窗口上。然而,可能存在更优的权重对齐方式。因此,我们提出使用动态时间规整(DTW)将权重动态对齐到卷积层的输入。具体而言,该动态对齐通过在约束下寻找权重与输入的最小距离匹配,克服了时间畸变等问题。我们在 Unipen 在线手写数字与字符数据集、UCI 口语阿拉伯数字数据集以及 UCI 日常生活活动数据集上验证了所提架构的有效性。
引用
@article{arxiv.1712.06530,
title = {Dynamic Weight Alignment for Temporal Convolutional Neural Networks},
author = {Brian Kenji Iwana and Seiichi Uchida},
journal= {arXiv preprint arXiv:1712.06530},
year = {2019}
}
备注
Accepted to ICASSP 2019