Convolutional Neural Network (CNN)

Convolutional Neural Network (CNN) is a multilayer
learning framework, which may consist of an input layer,
a few convolutional layers and an output layer. The goal
of CNN is to learn a hierarchy of feature representations.
Response maps in each layer are convolved with a number
of filters and further down-sampled by pooling operations.
These pooling operations aggregate values in a smaller region
by downsampling functions including max, min, and
average sampling. The learning in CNN is based on Stochastic
Gradient Descent (SGD), which includes two main operations:
Forward and BackPropagation. Please refer to (Le-
Cun and Bengio 1998) for details.
We used a seven layer CNN (including the input layer and
two perception layers for regression output). The first convolution
layer has 32 filters of size 5  5, the second convolution
layer has 32 filters of size 5  5, and the third convolution
layer has 64 filters of size 55, respectively. The first
perception layer has 64 regression outputs and the final perception
layer has 6 regression outputs. Our system considers
6 grasping type classes.

ผลลัพธ์ (ไทย) 1:

Convolutional ประสาทเครือข่าย (CNN) เป็นแบบ multilayerกรอบการเรียนรู้ ซึ่งอาจประกอบด้วยชั้นอินพุตเพิ่มconvolutional ชั้นสามและชั้นการแสดงผล เป้าหมายของซีเอ็นเอ็นเป็นการ เรียนลำดับชั้นแสดงคุณลักษณะของตอบแผนที่ในแต่ละชั้นมี convolved มีหมายเลขกรอง และเพิ่มเติม ลงตัวอย่าง โดยการดำเนินงานร่วมกันดำเนินการทำพูลเก็บเหล่านี้รวมค่าต่าง ๆ ในภูมิภาคที่มีขนาดเล็กโดยฟังก์ชัน downsampling รวมสูงสุด ต่ำสุด และสุ่มตัวอย่างโดยเฉลี่ย การเรียนรู้ในซีเอ็นเอ็นตาม Stochasticไล่โทนสีโคตร (SGD), ซึ่งรวมถึงการดำเนินงานหลักที่สอง:ไปข้างหน้า และ BackPropagation กรุณา (เลอ-คันและ Bengio ปี 1998) รายละเอียดเราใช้ซีเอ็นเอ็น 7 ชั้น (รวมชั้นอินพุต และ2 รับรู้ชั้นสำหรับผลลัพธ์การถดถอย) Convolution แรกชั้นมี 32 ตัวกรองขนาด 5 5, convolution สองชั้นมี 32 ตัวกรองขนาด 5 5 และ convolution สามชั้นมีกรองขนาด 5 5, 64 ตามลำดับ ครั้งแรกชั้นรู้ได้ 64 ถดถอยแสดงผลและรับรู้ขั้นสุดท้ายชั้น 6 ถดถอยแสดงผลได้ ระบบของเราพิจารณา6 เรียงชนิดของห้องเรียน

ผลลัพธ์ (ไทย) 2:

Convolutional ประสาทเครือข่าย (ซีเอ็นเอ็น)
เป็นหลายกรอบการเรียนรู้ซึ่งอาจประกอบด้วยชั้นอินพุต,
ชั้นสับสนไม่กี่และชั้นเอาท์พุท
เป้าหมายของซีเอ็นเอ็นคือการเรียนรู้ลำดับของการแสดงคุณลักษณะ.
แผนที่การตอบสนองในแต่ละชั้นจะ convolved
กับจำนวนของตัวกรองและต่อไปลงตัวอย่างโดยรวมกำไรการดำเนินงาน.
เหล่านี้การดำเนินงานร่วมกันค่ารวมกันในพื้นที่ที่มีขนาดเล็กโดยฟังก์ชั่น downsampling รวมสูงสุดนาที และการสุ่มตัวอย่างเฉลี่ย การเรียนรู้ในซีเอ็นเอ็นจะขึ้นอยู่กับ Stochastic ไล่โทนสีโคตร (SGD) ซึ่งรวมถึงทั้งสองดำเนินการหลักไปข้างหน้าและ backpropagation โปรดดู (เลอCun และ Bengio 1998) สำหรับรายละเอียด. เราใช้ซีเอ็นเอ็นเจ็ดชั้น (รวมชั้นเข้าและสองชั้นการรับรู้สำหรับการส่งออกถดถอย) บิดแรกชั้นมี 32 ตัวกรองขนาด 5? 5, บิดสองชั้นมี32 ตัวกรองขนาด 5? 5 และบิดสามชั้นมี64 ตัวกรองขนาด 5 5 ตามลำดับ ครั้งแรกที่ชั้นมีการรับรู้ผลการถดถอย 64 และการรับรู้สุดท้ายชั้นมี6 ผลการถดถอย ระบบของเราจะพิจารณา6 ชั้นเรียนประเภทโลภ

ผลลัพธ์ (ไทย) 3:

เครือข่ายประสาทคอน ( ซีเอ็นเอ็น ) เป็นหลายชั้น
แนวคิดการเรียน ซึ่งอาจจะประกอบด้วย input layer
กี่ขดชั้นและการแสดงผลชั้น เป้าหมาย
ของซีเอ็นเอ็นคือการเรียนรู้ลำดับขั้นของคุณลักษณะที่ใช้แทน การแผนที่ในแต่ละชั้นมี

convolved ที่มีตัวกรองหมายเลขและต่อไปลงตัวอย่างโดยการดำเนินงาน .
การดำเนินงานเหล่านี้รวมค่าใน
เขตขนาดเล็กโดยดาวน์แซมปลิ้งหน้าที่รวมถึงแม็กซ์ มินและ
เฉลี่ยคน การเรียนรู้ในซีเอ็นเอ็นยึด Stochastic
ไล่ระดับโคตร ( SGD ) ซึ่งประกอบด้วยสองการดำเนินงานหลัก :
ไปข้างหน้าและแบบ . โปรดดู ( เลอ -
Cun และ bengio 1998 ) รายละเอียด .
เราใช้เจ็ดชั้น ( รวมทั้งซีเอ็นเอ็นและ
ใส่ชั้น2 ชั้นการส่งออกถดถอย ) ชั้นสังวัตนา
แรก 32 ตัวกรองขนาด 5  5 ชั้นขด
2 มี 32 ตัวกรองขนาด 5  5 และชั้นของขด
3 มี 64 ตัวกรองขนาด 5  5 ตามลำดับ ชั้นรับรู้ก่อน
มี 64 ถดถอยผลผลิตและการรับรู้
สุดท้ายมี 6 ชั้นโดยการถดถอย system our นาวิ
6 grasping อีก type .