精确学习：在神经网络中使用已知算子
计算机视觉与模式识别
2018-10-15 v4
摘要
本文考虑在神经网络内利用先验知识。具体而言，我们研究从输入数据空间到输出域的映射中已知变换的作用。我们证明使用已知变换能够改变最大误差界。为深入探究该效应，我们以 X 射线材料分解问题为例引入额外先验知识。我们证明，纳入由系统物理特性已知的非线性函数能够将预测误差降低，从而将 SSIM 值从 0.54 提升至 0.88 以改善预测质量。该方法适用于在物理与信号处理中提供此类变换先验知识的广泛应用场景。最大误差估计与网络理解也可在精确学习的框架内得以促进。
引用
@article{arxiv.1712.00374,
title = {Precision Learning: Towards Use of Known Operators in Neural Networks},
author = {Andreas Maier and Frank Schebesch and Christopher Syben and Tobias Würfl and Stefan Steidl and Jang-Hwan Choi and Rebecca Fahrig},
journal= {arXiv preprint arXiv:1712.00374},
year = {2018}
}
备注
accepted on ICPR 2018