تحسين تصنيف الصور باستخدام شبكة عصبية قليلة الطبقات ذات تعلم سريع

نقدم معمارية شبكة عصبية وطريقة تدريب مصممة لتمكين التدريب السريع للغاية والتعقيد المنخفض في التنفيذ. بفضل سرعة تدريبها وعددها القليل من المعلمات القابلة للضبط، فإن هذه الطريقة لديها إمكانات قوية للتطبيقات التي تتطلب إعادة التدريب بشكل متكرر أو التدريب عبر الإنترنت. يتميز هذا النهج بـ (أ) مرشحات تلافيفية تستند إلى مرشحات معالجة الرؤية المستوحاة بيولوجيًا، (ب) أوزان مدخلات عشوائية للمرحلة المصنفة، (ج) استخدام الانحدار الخطي الأقل مربعات لتدريب أوزان خرج المرحلة المصنفة في دفعة واحدة، و(د) وحدات خرج خطية للمرحلة المصنفة. نثبت فعالية هذه الطريقة من خلال تطبيقها على تصنيف الصور. نتائجنا تتوافق مع أفضل النتائج الحالية في قاعدة بيانات تصنيف الصور MNIST (0.37% خطأ) وNORB-small (2.2% خطأ)، ولكن مع أوقات تدريب سريعة جدًا مقارنة بالطرق العميقة التقليدية. كما أن أداء الشبكة على قاعدة بيانات Google Street View House Number (SVHN) (4% خطأ) يتنافس أيضًا مع أفضل الطرق الحالية.