Pooling is a procedure that takes i

Pooling is a procedure that takes input over a certain area and reduces that to a single value (subsampling). In convolutional neural networks, this concentration of information has the useful property that outgoing connections usually receive similar information (the information is “funneled” into the right place for the input feature map of the next convolutional layer). This provides basic invariance to rotations and translations. For example, if the face on an image patch is not in the center of the image but slightly translated, it should still work fine because the information is funneled into the right place by the pooling operation so that the convolutional filters can detect the face.

ผลลัพธ์ (ไทย) 1:

ร่วมกันเป็นกระบวนการที่จะเข้าพื้นที่บางส่วน และลดที่เป็นค่าเดียว (ซับแซมพลิง) ในการสลับลำดับข้อมูลเครือข่ายประสาท นี้ความเข้มข้นของข้อมูลมีคุณสมบัติประโยชน์ว่า เชื่อมต่อขาออกมักจะได้รับข้อมูลที่คล้ายกัน (ข้อมูลที่เป็น "funneled" เป็นที่สำหรับคุณลักษณะการป้อนข้อมูลแผนที่ของชั้นสลับลำดับข้อมูลถัดไป) Invariance พื้นฐานเพื่อหมุนเวียนและแปลด้วย เช่น ถ้าใบบนเป็นโปรแกรมแก้ไขภาพไม่ได้อยู่กลางภาพแต่เล็กน้อยแปล มันจะยังคงทำงานดี เพราะข้อมูลที่เป็น funneled เข้าที่ โดยการดำเนินการทำพูลเก็บเพื่อให้ตัวกรองสลับลำดับข้อมูลสามารถตรวจจับใบหน้า

ผลลัพธ์ (ไทย) 2:

ร่วมกันเป็นขั้นตอนที่จะเข้ามากกว่าบางพื้นที่และลดที่เป็นค่าเดียว (subsampling บริการ) ในเครือข่ายประสาทสับสน, ความเข้มข้นของข้อมูลนี้มีคุณสมบัติที่มีประโยชน์ที่เชื่อมต่อขาออกมักจะได้รับข้อมูลที่คล้ายกัน (ข้อมูลคือ "คลีนิค" เข้าไปในสถานที่ที่เหมาะสมสำหรับแผนที่ของคุณลักษณะการป้อนข้อมูลของชั้นความสับสนต่อไป) นี้จะให้แปรเปลี่ยนพื้นฐานในการหมุนและการแปล ตัวอย่างเช่นถ้าใบหน้าที่อยู่บนแพทช์ภาพที่ไม่ได้อยู่ในใจกลางของภาพ แต่แปลเล็กน้อยก็จะยังคงทำงานได้ดีเพราะข้อมูลที่มีเข้ามาในสถานที่ที่เหมาะสมโดยการดำเนินการร่วมกันเพื่อให้ฟิลเตอร์สับสนสามารถตรวจจับใบหน้า

ผลลัพธ์ (ไทย) 3:

การเป็นขั้นตอนที่ใช้เวลามากกว่าพื้นที่ที่แน่นอน และช่วยลดการป้อนข้อมูลที่เป็นค่าเดียว ( ค่า ) ในโครงข่ายคอนนี้ความเข้มข้นของข้อมูลที่มีประโยชน์คุณสมบัติการเชื่อมต่อขาออกมักจะได้รับข้อมูลที่คล้ายคลึงกัน ( ข้อมูลคือ " หมีขาว " เป็นสถานที่ที่เหมาะสมสำหรับการป้อนข้อมูลคุณลักษณะแผนที่ของเลเยอร์หน้าคอน ) นี้ให้แปรเปลี่ยนพื้นฐานในการหมุนและการแปล ตัวอย่างเช่น ถ้าหน้าบนแพทช์ภาพไม่ได้อยู่ในศูนย์ของภาพแต่เล็กน้อย แปล มันน่าจะยังทำงานได้ดี เพราะข้อมูลจะถูกกักในสถานที่ที่เหมาะสม โดยการดำเนินงานเพื่อให้ตัวกรองคอนสามารถตรวจจับใบหน้า