從傳統神經網路的角度解讀Geoffrey Hinton的Capsule模型

分享背景

近幾年，「深度學習之父」Geoffrey Hinton多次公開表示，認為卷積神經網路、反向傳播演算法存在不合理之處，提倡研究者們在深度學習之上積極探索人工智慧的新理論體系，並率先提出了capsule理念。近日，隨著論文《Dynamic Routing Between Capsules》在arXiv上的放出以及另一篇仍處於盲審狀態的論文《matrix capsules with EM routing》在網上的流傳，Hinton的capsule計劃再度引發了熱議。本次分享人作為全球第一個將capsNet模型復現代碼發布到github的作者，將通過與傳統神經網路的對比來深入解讀capsule模型。（關注AI研習社，回復【論文】即可獲取論文原文、翻譯以及三種環境下的不同實現。）

分享主題

從傳統神經網路的角度解讀Geoffrey Hinton的Capsule模型

分享提綱

1. capsule概念提出的背景

2. capsule模型與傳統神經元的比較

3. 參數更新演算法routing-by-agreement的分析

4. capsNet模型與卷積/全連接神經網路的比較

5. 討論：論文的貢獻及可改進之處

6. 核心演算法的代碼剖析

分享人簡介

廖華東，重慶郵電大學二年級碩士生，生物信息學背景，capsNet模型Tensorflow版(http://t.cn/RW1hLNp)復現的作者，主要研究興趣包括人工智慧基礎理論研究（如capsule理論、強化學習、GAN），及AI醫療。

分享時間

北京時間11月17日（周五）20:00

參與方式

掃描海報二維碼添加社長微信，備註「廖華東」

不要等到演算法出現accuracy不好、

loss很高、模型overfitting時，

才後悔沒有好好掌握基礎數學理論。

走穩機器學習第一步，夯實數學基礎！

「線性代數及矩陣論、概率論與統計、凸優化」

3大數學基礎課程，火熱團購中！

掃碼參團

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！

本站內容充實豐富，博大精深，小編精選每日熱門資訊，隨時更新，點擊「搶先收到最新資訊」瀏覽吧！

請您繼續閱讀更多來自 AI研習社 的精彩文章: