Капсульная нейронная сеть (англ. capsule neural network, CapsNet) — архитектура искусственных нейронных сетей, которая предназначена для распознавания изображений.
Главными преимуществами данной архитектуры является существенное снижение размеров необходимой для обучения выборки, а также повышение точности распознавания и устойчивость к атакам типа «белый ящик». Ключевым нововведением капсульных нейросетей является наличие так называемых капсул — элементов, являющихся промежуточными единицами между нейронами и слоями, которые представляют собой группы виртуальных нейронов, отслеживающих не только отдельные детали изображения, но и их расположение друг относительно друга. Данная архитектура была задумана Джеффри Хинтоном в 1979 году, сформулирована в 2011 году и опубликована в двух статьях в октябре 2017 года[1][2][3][4][5].
Энциклопедичный YouTube
-
1/1Просмотров:456
-
009. Эффективные методы сжатия данных при тренировке нейронных сетей – Геннадий Пехименко
Субтитры
Примечания
- ↑ Представлен новый вид нейронной сети для распознавания изображений . Дата обращения: 17 ноября 2017. Архивировано 28 февраля 2021 года.
- ↑ Исследователи представили альтернативу традиционным нейронным сетям . Дата обращения: 17 ноября 2017. Архивировано 25 октября 2020 года.
- ↑ Капсульные сети встряхивают AI: вот как их использовать . Дата обращения: 17 ноября 2017. Архивировано 26 октября 2020 года.
- ↑ Мастер ИИ из Google представляет новый вираж нейронных сетей . Дата обращения: 17 ноября 2017. Архивировано 1 декабря 2017 года.
- ↑ Ученый представил новые возможности искусственного интеллекта . Дата обращения: 17 ноября 2017. Архивировано 1 декабря 2017 года.
Ссылки
- Geoffrey Hinton: «Does the Brain do Inverse Graphics?» Video
- Geoffrey Hinton: «Does the Brain do Inverse Graphics?» Slides
- Dynamic Routing Between Capsules
- Matrix Capsules With EM Routing
Обычно почти сразу, изредка в течении часа.