"Permütasyon değişmez" görüntü tanıma yapan sinir ağları bağlamında ne anlama gelir?


Yanıtlar:


17

Bu bağlamda bu, modelin özellikler arasında herhangi bir uzamsal ilişki üstlenmemesi anlamına gelir. Örneğin çok katmanlı algılayıcı için piksellere izin verebilirsiniz ve performans aynı olacaktır. Komşuluk ilişkilerini üstlenen evrişimsel ağlar için durum böyle değildir.


1
evet, bu kafa karıştırıcı kısım. Rakamların sınıflandırılmasında mekânsal ilişki olması gerekmez mi?
RockTheStar

1
MNIST, sinir ağlarında bir kıyaslama (veya akıl sağlığı kontrolü) olarak yaygın olarak kullanılmaktadır. Modeliniz permütasyon değişmez MNIST'de <% 1 hata alabilirse, bir şey içindesiniz.
bayerj

1
Evet, yani rakamlarda mekânsal ilişki yok mu? Rakam piksellerine izin verirseniz, esas olarak performansı etkileyen piksel sırası değişir !?
RockTheStar

1
Sadece model böyle varsayar. mlps yapmaz, convnets yapar. Bu yüzden bir konveksiyonu mnist'teki bir mlp ile karşılaştırmak biraz haksızdır.
bayerj

1
Anlıyorum! Yani, mnist veri kümesinde, mlps daha iyi performans mı yoksa konvnet mi?
RockTheStar

6

Bir fonksiyon için bir vektör argüman X = ( x 1 , ... , x , n ) değeri, eğer permütasyon değişmez f biz bileşenlerini permute halinde değişmez x olan, örneğin, için, n = 3 : f ( ( xfx=(x1,,xn)fxn=3

f((x1,x2,x3))=f((x2,x1,x3))=f((x3,x1,x2))

1
Bu cevap biraz yanıltıcıdır, çünkü öğrenen makinede öğrenme algoritması genellikle permütasyon değişmezken, döndürdüğü işlev değildir.
bayerj

@bayerj: Bu ilginç bir bilgi parçası, ama yanıltıcı verdiğim tanımı yaptığını göremiyorum, doğru bir tanım, ama belki de bu bağlamda tam bir cevap değil.
kjetil b halvorsen

Haklısın, tanım doğru. Ancak yazdığınız şekilde uygulanmaz. OP'nin sorduğu permütasyon değişmez MNIST bağlamında, yazdığınız formun işlevleri gerçekleşmez.
bayerj
Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.