从池化表示中恢复信号
机器学习
2014-03-03 v3
摘要
在本工作中，我们计算了 的 池化算子以及 precede 半整流层的 池化算子的下 Lipschitz 界。这些为设计可逆神经网络层提供了充分条件。在 MNIST 和图像块上的数值实验证实，池化层可以通过相位恢复算法进行逆运算。此外，通过最近邻回归实证验证了由下 Lipschitz 常数控制的逆池化的正则性。
引用
@article{arxiv.1311.4025,
title = {Signal Recovery from Pooling Representations},
author = {Joan Bruna and Arthur Szlam and Yann LeCun},
journal= {arXiv preprint arXiv:1311.4025},
year = {2014}
}
备注
17 pages, 3 figures