क्या यह मूल संकल्प सामान्य संक्रामक तंत्रिका नेटवर्क में किया जाता है?

Question

मैं वर्तमान में इस paper (पृष्ठ 53) का अध्ययन कर रहा हूं, जिसमें एक विशेष तरीके से संकल्प को हल करने का सुझाव दिया गया है।

यहाँ अपने विवरण है:।

यह फार्मूला है

के रूप में छवि में दिखाया गया 4.2, सभी इनपुट सुविधा नक्शे (कुल मुझे लगता है), O_i (i = 1 , · ·, I) कई फीचर मैप्स (कुल मिलाकर जे मानते हैं) में मैप किए गए हैं, क्यू_जे (जे = 1, · ·, जे) कई स्थानीय फ़िल्टरों के आधार पर संकल्प परतों में (I × J कुल), w_ {ij} (i = 1, · · ·, मैं; ​​जे = 1, · · · जे)। मानचित्रण को सिग्नल प्रोसेसिंग में जाने-माने संकल्प ऑपरेशन के रूप में दर्शाया जा सकता है। मानते हैं कि इनपुट फीचर मैप्स सभी एक आयामी हैं, संकल्प परत में एक फीचर मैप की प्रत्येक इकाई समीकरण \ ref {eq: equation} (ऊपर समीकरण) के रूप में गणना की जा सकती है।

जहां o_ {i, m} i-th इनपुट सुविधा मानचित्र की एम-वें इकाई है I_i, q_ {j, m} जे-वें सुविधा मानचित्र की एम-वें इकाई है कन्वोल्यूशन के Q_j परत, w_ {i, j, n} वज़न वेक्टर, w_ {i, j} का nth तत्व है, जो इनपुट के ith सुविधा मानचित्र को कनवॉल्यूशन परत के जेथ फीचर मैप में जोड़ता है, और एफ को फिल्टर कहा जाता है आकार जो इनपुट बैंड की संख्या है कि संकल्प परत की प्रत्येक इकाई प्राप्त होती है।

अब तक तो अच्छा:

क्या मैं मूल रूप से इस से समझा क्या मैं इस छवि में वर्णन करने के लिए कोशिश की है है।

यह मेरे लिए लग रहे हैं कि वे क्या कर रहे हैं वास्तव में सभी डेटा संसाधित कर रहा है एफ अप करने के लिए बताते हैं, और सभी सुविधा नक्शे भर में। मूल रूप से दोनों एक्स-वाई दिशा में आगे बढ़ते हैं, और उस बिंदु पर गणना करते हैं।

क्या मूल रूप से छवि आकार के बराबर फ़िल्टर के साथ 2 डी छवि (i x F) पर 2 डी-रूपांतरण नहीं है? वजन कम नहीं लगता है, यहां पर कोई महत्व नहीं है ..?

तो क्यों मैं इस यहाँ पूछ रहा हूँ ..

मैं इस लागू करने के लिए कोशिश कर रहा हूँ, मैं वे क्या कर रहे के अनिश्चित हूँ, वास्तव में सिर्फ बुनियादी घुमाव है, जिसमें एक रपट खिड़की फ़ीड नया खिला रहता है डेटा, या वे सामान्य संकल्प नहीं कर रहे हैं, जिसका अर्थ है कि मुझे एक विशेष परत डिजाइन करने की आवश्यकता है जो इस ऑपरेशन को करता है? ...

Answer 1

हां वे केवल सामान्य दृढ़ संकल्प का उपयोग कर रहे हैं। पेज 54 को देखना आपके लिए आसान हो सकता है, जहां उन्होंने समीकरण को सरल बनाया। यहाँ प्रासंगिक स्क्रीनशॉट है:

आप देख सकते हैं, क्या वे यहाँ का वर्णन सिर्फ ठेठ घुमाव के ऑपरेटर है।