【논문 시리즈】DropConnect라고 하는 수법에 대해서
1653 단어 심층 학습신경망DeepLearning
원문
DropConnect를 이용한 신경망 정규화(Regularization of Neural Networks using DropConnect)
Li Wan (2013)
1. 요약
2. 골자의 이론
DropConnect의 모델을 식으로 떨어뜨리면 다음과 같다. ;
$$r = a(({\bf M} * {\bf W})v)$$
행렬 ${\bf M}$ 가 각각의 조인에 대해 지정한 가중치를 걸거나 걸지 않을지를 결정한다.
그런 다음 처리 된 선형 결합을 활성화 함수에 적용하고 출력 벡터 r에 떨어 뜨립니다.
아래의 개략도는 CNN에서 특징 추출 후 DropConnect를 적용하고자하는 경우이다.
3. 모델 적용 예
코드 예는 아래 링크에서 다운로드
http:///cs.nyu.edu/~wanli/dropc
예를 들어, MNIST에 의한 이미지 인식 정확도를 대조 기법과 비교했다.
128장을 세트로 한, 미니 배치 학습을 실시했다.
모멘텀을 적용하고 상수는 0.9.
60000장의 트레이닝으로부터, 10000장분 테스트했다.
Drop 테크닉을 사용하지 않으면 일반화 오차가 눈에 띈다.
하지만, 테크닉을 적용하면 숨겨진 층의 유닛이 늘어도 과학습이 되기 어려운 것이 아래 그림에서 알 수 있다.
Reference
이 문제에 관하여(【논문 시리즈】DropConnect라고 하는 수법에 대해서), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다 https://qiita.com/To_Murakami/items/40ee648cb6c22b45b6f5텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념 (Collection and Share based on the CC Protocol.)