Sparse ConnectivityCNNs exploit spa

Sparse Connectivity
CNNs exploit spatially-local correlation by enforcing a local connectivity pattern between neurons of adjacent layers. In other words, the inputs of hidden units in layer m are from a subset of units in layer m-1, units that have spatially contiguous receptive fields. We can illustrate this graphically as follows:

ผลลัพธ์ (ไทย) 1:

เชื่อมต่อบ่อCNNs ใช้ความสัมพันธ์ท้องถิ่น spatially ด้วยการบังคับรูปแบบเชื่อมต่อภายในระหว่าง neurons ของชั้นติดกัน ในคำอื่น ๆ อินพุตของหน่วยซ่อนในชั้น m ได้จากชุดย่อยของหน่วยในชั้นม. 1 หน่วยที่มีเขตข้อมูลครอบครัว spatially ติดกัน เราสามารถแสดงนี้ภาพเป็นดังนี้:

ผลลัพธ์ (ไทย) 2:

การเชื่อมต่อเบาบาง
CNNs ใช้ประโยชน์จากความสัมพันธ์เชิงพื้นที่ท้องถิ่นโดยการบังคับใช้การเชื่อมต่อรูปแบบท้องถิ่นระหว่างเซลล์ของชั้นที่อยู่ติดกัน ในคำอื่น ๆ ปัจจัยการผลิตของหน่วยงานที่ซ่อนอยู่ในชั้นม. มาจากส่วนหนึ่งของหน่วยในชั้นม. 1 หน่วยที่มีสาขาที่เปิดกว้างต่อเนื่องกันตำแหน่ง เราสามารถแสดงนี้ชัดเจนดังนี้

ผลลัพธ์ (ไทย) 3:

cnns ประโยชน์เบาบางการเชื่อมต่อท้องถิ่นมีความแตกต่างระหว่างท้องถิ่นรูปแบบการเชื่อมต่อระหว่างเซลล์ประสาทของชั้นติดกัน . ในคำอื่น ๆที่ใช้ปัจจัยการผลิตของหน่วยที่ซ่อนอยู่ในชั้น M จากเซตย่อยของหน่วยในชั้น M - 1 หน่วยนั้นมีความแตกต่างอยู่ติดกัน อ่อนไหว ฟิลด์ เราสามารถแสดงนี้กราฟิกดังนี้