GINN：神经网络的几何图示
机器学习
2018-10-05 v1 机器学习
摘要
本非正式技术报告详述了三层全连接神经网络中 ReLU 单元决策边界的几何图示。该网络被设计并训练为从 (x, y) 输入位置预测像素强度。几何神经网络图示（GINN）工具被构建用于可视化并跟踪在网络训练过程中 ReLU 单元从激活切换到关闭（或反之）的点。我们观测到若干现象并在此讨论。本技术报告为带有在线演示的博客文章的支撑文档，可在 http://www.bayeswatch.com/2018/09/17/GINN/ 获取。
引用
@article{arxiv.1810.01860,
title = {GINN: Geometric Illustration of Neural Networks},
author = {Luke N. Darlow and Amos J. Storkey},
journal= {arXiv preprint arXiv:1810.01860},
year = {2018}
}
备注
8 pages, 9 figures, technical report