NIN(Network in Network)
2016-07-09 20:15
495 查看
NIN(Network in Network)
卷积神经网络中的卷积是一个广义线性模型(generalized linear model, GLM),抽象程度不高,GLM 只在样本是线性可分的时候有好的抽象。如果把 GLM 替换成更非线性的操作能够提升模型的抽象能力。如果把用核做线性卷积操作替换成用 MLP 做非线性的卷积操作,必然会增加模型的抽象能力。网络中用了 MLP 做卷积的层这里称为 MLP 卷积层,只用核做卷积的卷积层称为线性卷基层。使用了这种 MLP 卷积层的网络这里称为 NIN(Network in Network)。
MLP 卷积使用一个由多个全连接层构成的 MLP 在上一层的 feature map 上进行滑动计算,再通过一个非线性激活函数(这里采用 ReLU),这样就得到了当前层的 feature map。
相关文章推荐
- bp神经网络及matlab实现
- 如何用70行代码实现深度神经网络算法
- 基于神经网络的预测模型
- 详细解读神经网络十大误解,再也不会弄错它的事情原理
- 神经网络初步学习手记
- RBF的一点个人理解
- 利用自收敛深度人工神经网络构建(DNN)构建多语种大词汇量连续语音识别系统
- UFLDL Exercise: Convolutional Neural Network
- 神经网络凸优化
- 基于遗传算法(GA)的神经网络训练算法
- 机器学习笔记:神经网络
- 神经网络 caffe 的 vs2013 版本代码
- 传统BP神经网络完整例子(电力负荷预测)
- Matlab 神经网络工具箱
- Google最新人工智能算法RankBrain的实现--写在后面的话
- 备份:创建VS工程使用神经网络库——FANN
- 卷积神经网络知识要点
- BP神经网络识别手写数字项目解析及代码
- Deep learning: autoencoders and sparsity
- 神经网络浅析