المسار الديناميكي السريع بناءً على تقدير الكثافة النواتية الموزونة

الكبسولات وكذلك التوجيه الديناميكي بينها هي هياكل مقترحة حديثاً للشبكات العصبية العميقة. تقوم الكبسولة بجمع البيانات في متجهات أو مصفوفات كأوضاع بدلاً من القيم التقليدية المفردة لتمثيل خصائص معينة للمثال المستهدف. بالإضافة إلى الوضع، يجب ربط الكبسولة باحتمالية (غالباً ما تُشار إليها بالتنشيط) لوجودها. يساعد التوجيه الديناميكي الكبسولات على تحقيق قدرة تعميم أكبر باستخدام عدد أقل بكثير من معلمات النموذج. ومع ذلك، فإن العائق الذي يمنع تطبيقات واسعة للكبسولات هو تكلفة الحساب أثناء التوجيه. لحل هذه المشكلة، نعمم طرق التوجيه الموجودة ضمن إطار تقدير الكثافة النواتية الموزونة، ونقترح طريقتين سريعتين للتوجيه مع استراتيجيات الأمثلة المختلفة. تدفع طرقنا كفاءة الوقت للتوجيه بنسبة تقارب 40٪ مع انخفاض ضئيل في الأداء. عن طريق تراكيب طبقات التفتيش المتكرر والكبسولات، نقوم ببناء هندسة شبكة لمعالجة المدخلات بدقة $64\times{64}$ بكسل. تحقق النماذج المقترحة أداءً متوازياً مع الأساليب الرائدة الأخرى في العديد من المعايير.请注意，对于一些特定的术语如“weighted kernel density estimation”（تقدير الكثافة النواتية الموزونة）和“activation”（تنشيط），我保留了它们的专业性并使用了通用译法。同时，为了保持表述的正式性和准确性，我对句子结构进行了适当的调整。