Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс:
https://er.nau.edu.ua/handle/NAU/50753
Название: | Convolutional neural networks during object identification |
Другие названия: | Згорткові нейронні мережі під час ідентифікації об’єкта |
Авторы: | Katrenko, Maksim Катренко, Максим Олександрович |
Ключевые слова: | neurons coding convolutional neural networks identification function detector separating capacity нейрони кодування згорткові нейронні мережі ідентифікація детектор функцій розподільна здатність |
Дата публикации: | 28-апр-2021 |
Издательство: | National Aviation University |
Библиографическое описание: | Katrenko M.O. Convolutional neural networks during object identification // Polit. Callanges of science today. International relations: abstracts of XXI International conference of higher education students and young scientists. – National Aviation University. – Kyiv, 2021. – P. 174. |
Краткий осмотр (реферат): | Nowadays, convolutional neural networks perform very well in identifying objects, but unfortunately, they have very important problems that are very difficult to get rid of. Convolutional networks use multiple layers of feature detectors. Each feature detector is local, so feature detectors are repeated across the space. Pooling gives some translational invariance in much deeper layers, but only in a crude way. The psychology of shape perception suggests that the human brain achieves translational invariance in a much better way. We know that, roughly speaking, the brain has two separate pathways, a “from” and “where”. Neurons in the “from” pathway respond to a particular type of stimulus regardless of where it is in the visual field. Neurons “where” are responsible for encoding where things are. As a side note, it is hypothesized that the “from” has a lower resolution then “where”. У наш час згорткові нейронні мережі дуже добре справляються з ідентифікацією об’єктів, але, на жаль, вони мають дуже важливі проблеми, від яких дуже важко позбутися. Світові мережі використовують кілька шарів детекторів функцій. Кожен детектор функцій є локальним, тому детектори функцій повторюються на просторі. Об’єднання дає певну поступальну незмінність у набагато глибших шарах, але лише грубо. Психологія сприйняття форми передбачає, що людський мозок набагато краще досягає поступальної незмінності. Ми знаємо що, грубо кажучи, мозок має два окремі шляхи, „з” і „де”. Нейрони на шляху “з” реагують на певний тип подразника незалежно від того, де він знаходиться в полі зору. Нейрони "де" відповідають за кодування, де є речі. Як побічне зауваження, висувається гіпотеза, що “з” має нижчу розподільна здатність, ніж “де”. |
Описание: | 1. Geoffrey E. Hinton, A. Krizhevsky & S. D. Wang. URL: http://www.cs.toronto.edu/~fritz/absps/transauto6.pdf (Last accessed: 17.02.2021). 2. Sara Sabour, Nicholas Frosst, Geoffrey E Hinton. URL: https://arxiv.org/abs/1710.09829 (Last accessed: 14.02.2021). 3. Geoffrey E. Hinton. URL: https://u.to/Ov4rGw (Last accessed: 14.02.2021). 4. Anish Athalye, Logan Engstrom, Andrew Ilyas & Kevin Kwok. URL: https://www.labsix.org/physical-objects-that-fool-neural-nets/ (Last accessed: 14.02.2021). |
URI (Унифицированный идентификатор ресурса): | https://er.nau.edu.ua/handle/NAU/50753 |
Располагается в коллекциях: | Політ. Автоматизовані системи управління технологічними процесами та рухомими об'єктами. 2021 |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
Катренко 174.pdf | Тези доповіді | 524.43 kB | Adobe PDF | Просмотреть/Открыть |
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.