منذ 2 أشهر
ReNet: بديل لشبكات الالتفافية يستند إلى شبكات العصبي المتكررة
Francesco Visin; Kyle Kastner; Kyunghyun Cho; Matteo Matteucci; Aaron Courville; Yoshua Bengio
الملخص
في هذا البحث، نقترح هندسة شبكة عصبية عميقة للاعتراف بالكائنات تعتمد على الشبكات العصبية التكرارية. الشبكة المقترحة، والتي تُسمى ReNet (رينت)، تقوم بتعويض طبقة التفتيش والجمع الشائعة في الشبكات العصبية التلافيفية العميقة بأربع شبكات عصبية تكرارية تتحرك أفقيًا وعموديًا في كلا الاتجاهين عبر الصورة. قمنا بتقييم ReNet (رينت) المقترحة على ثلاثة مجموعات بيانات معيارية مستخدمة على نطاق واسع؛ وهي MNIST (مينيست)، CIFAR-10 (سيفار-10) و SVHN (إس في إتش إن). النتائج تشير إلى أن ReNet (رينت) هي بديل قابل للتطبيق للشبكات العصبية التلافيفية العميقة، وأن هناك حاجة لمزيد من البحث والتحقيق.