递归在线聚类作为 DeSTIN 中的时空特征提取器
计算机视觉与模式识别
2013-01-17 v2
摘要
本文提出了一种对 DeSTIN 深度学习架构的基本增强方法，用一种更简单、可扩展性更强的机制取代了用于捕捉时间特征的显式计算转移表。该机制利用状态信息的反馈，在由空间输入和当前状态组成的空间上进行聚类。所得架构在 MNIST 分类基准测试中取得了最先进的结果。
引用
@article{arxiv.1301.3385,
title = {Recurrent Online Clustering as a Spatio-Temporal Feature Extractor in DeSTIN},
author = {Steven R. Young and Itamar Arel},
journal= {arXiv preprint arXiv:1301.3385},
year = {2013}
}
备注
3 pages, 2 figures, Submitted to ICLR 2013