我们如何在卷积神经网络中获得/定义滤波器?

时间:2014-10-22 17:15:12

标签: machine-learning neural-network convolution deep-learning

如何实现深度自动编码器(我如何从卷积神经网络(CNN)获得滤波器?我的想法是这样的:输入图像的随机图像(28x28)并获得随机补丁(8x8)。然后使用自动编码器学习补丁的常见功能(特征=隐藏单位;例如大约100)。然后将特征滤镜应用于输入图像并进行卷积。我是否正确?

我感到很困惑,因为有时候文献只会使用例如8,过滤器,但在我的情况下,我有100..g。 2层或3层)?任何想法或资源?

1 个答案:

答案 0 :(得分:4)

您可以按照教程:http://ufldl.stanford.edu/wiki/index.php/UFLDL_Tutorial

这就像关于自动编码器的讲座和关于CNN(卷积和汇集)的一些简单的东西。完成本教程后,您将获得自动编码器实现和堆叠自动编码器,您可以使用深度自动编码器实现。

本教程将完全符合您的要求:

  • 28x28 MNIST图像

  • 使用自动编码器获取8x8补丁和学习过滤器

  • 通过这些8x8过滤器对这些图像进行卷积

  • 汇集它们

  • 使用合并的矢量/图像并将它们放入soft-max分类器中以学习10种不同类别的MNIST数据库。