Bất kỳ việc sử dụng hạt nhân hình chữ nhật trong các mạng thần kinh tích chập? Đặc biệt là khi phân tích bảng trò chơi

7

Tôi đã đọc một đống bài báo về mạng chập và học tăng cường.

Tôi nhớ đã nhìn thấy một tờ giấy quan trọng với hình dạng không phải hình chữ nhật của lớp chập (hình màu xanh lục trong bản vẽ ngớ ngẩn này). Nhưng bây giờ tôi không thể tìm thấy nó.

Nó có thể là một cái gì đó tương tự như bài báo AlphaGo hoặc học tăng cường trên bảng trò chơi.

Có ai có thể đề nghị hoặc đoán nó là giấy gì không?

references conv-neural-network reinforcement-learning

— mệnh đề
nguồn

Hãy giải thích CNN. Sau khi tất cả Cáp Tin tức Mạng cũng sử dụng từ viết tắt đó.

— Carl

@Carl Mạng thần kinh chuyển đổi!

— par postdoc

Tôi không quen thuộc lắm với ConvNets, nhưng toàn bộ ý tưởng là họ tìm hiểu (các) bộ lọc phù hợp để sử dụng. Vì vậy, nếu thích hợp để có 0 ở các góc (hoặc bất cứ nơi nào), ConvNet sẽ có thể học được điều đó. Bất kỳ bộ lọc không phải hình chữ nhật A đều tương đương với bộ lọc hình chữ nhật B trên khung giới hạn của A, kết hợp với mặt nạ (tức là trong đó B = 0). Trừ khi bộ lọc A rất "phức tạp", tiết kiệm trong tính toán sẽ không đáng kể.

— GeoMatt22

2

Điều này dường như xuất hiện trong các bài báo Herbrich trước đó trên Go.

"Học về đồ thị trong trò chơi cờ vây" - nơi anh ấy nhìn vào bảng như một cấu trúc liên kết khác
Và slide này trong một bài thuyết trình năm 2015 mà anh ấy thực hiện , đề cập đến 13 "mẫu" khác nhau (hơi khác so với cách tiếp cận AlphaGo)

Người giới thiệu

Graepel, T., Goutrie, M., Krüger, M., & Herbrich, R. (2001, tháng 8). "Học về đồ thị trong trò chơi cờ vây." Trong hội nghị quốc tế về mạng nơ ron nhân tạo (tr. 347-352). Mùa xuân Berlin Heidelberg.
Herbrich, R. (2015) "Học máy trong công nghiệp". Lấy từ http://mlss.tuebingen.mpg.de/2015/slides/herbrich/herbrich.pdf

— YAZR
nguồn

Chào mừng đến với trang web của chúng tôi! Tôi đã thêm một trích dẫn đầy đủ cho bài báo, bạn có thể thêm một liên kết / tài liệu tham khảo cho bài thuyết trình không?

— Cá bạc

@silverfish Cảm ơn đã trích dẫn. Học máy trong công nghiệp. mlss.tuebingen.mpg.de/2015/slides/herbrich/herbrich.pdf

— YAZR

Cảm ơn rất nhiều. Tôi có cảm giác bạn có thể chưa đủ danh tiếng để thêm nhiều hơn một số liên kết nhất định (không thể nhớ điểm cắt là gì) vì vậy tôi cũng đã chỉnh sửa điều đó

— Silverfish

3

{1} so sánh các kết cấu 2D vuông và tam giác

Như Geomatt22 đã đề cập, trong ví dụ bạn đưa ra câu hỏi, người ta có thể sử dụng bộ lọc vuông và hy vọng rằng hình dạng "thực tế" của bộ lọc sẽ được học trong giai đoạn đào tạo.

{1} Graham, Ben. "Mạng lưới thần kinh tích chập 3D thưa thớt." bản in sẵn arXiv arXiv: 1505.02890 (2015). https://scholar.google.com/scholar?cluster=10336237130292873407&hl=vi&as_sdt=0,22 ; https://arxiv.org/abs/1505.02890

— Franck Dernoncourt
nguồn

Tôi nghĩ rằng hình chữ nhật so với hình vuông sẽ có ý nghĩa hơn hình chữ nhật so với hình chữ nhật. Nói cách khác, nếu mô hình được đánh giá cao đẳng hướng, sau đó hình chữ nhật gầy có thể là nhiều hiệu quả hơn hình vuông mà chủ yếu "đeo mặt nạ ra". Khi so sánh, mức độ không lồi cần thiết để tạo ra âm lượng của mẫu ít hơn nhiều so với hộp giới hạn của nó dường như không xảy ra trong thực tế (một mẫu như vậy có thể là một tính năng tổng hợp, so với một mẫu thích hợp cho các bộ lọc mức thấp) . Có bất đẳng hướng như vậy xảy ra trong các ứng dụng ConvNet? (Trong địa chất, đây sẽ là z nhỏ so với x & y)

— GeoMatt22