用于深度卷积神经网络正则化的随机池化
机器学习
2013-01-17 v1 神经与进化计算
机器学习
摘要
我们引入了一种简单且有效的方法来正则化大型卷积神经网络。我们用一种随机过程取代了传统的确定性池化操作，该过程根据池化区域内的激活值构成的多项式分布，随机选取每个池化区域内的激活值。该方法无需超参数，并且可以与其他正则化方法（如 dropout 和数据增强）相结合。在不利用数据增强的其他方法相比较下，我们在四个图像数据集上取得了 SOTA 性能。
引用
@article{arxiv.1301.3557,
title = {Stochastic Pooling for Regularization of Deep Convolutional Neural Networks},
author = {Matthew D. Zeiler and Rob Fergus},
journal= {arXiv preprint arXiv:1301.3557},
year = {2013}
}
备注
9 pages