我目前正在研究这个paper(第53页),其中建议的卷积是以特殊的方式完成的。这是在普通卷积神经网络中进行的基本卷积吗?
这是下式:
下面是对它们的说明:
的图4.2,所有输入特征映射(假设我在总计),O_i(I = 1 ,...,I)被映射到基于多个局部滤波器(I×J in)的卷积层中的多个特征映射(总共假设J),Q_j(j = 1,...,J)总数),w_ {ij}(i = 1,...,I; j = 1,...,J)。该映射可以表示为信号处理中众所周知的卷积操作。 假设输入特征映射都是一维的,卷积层中的一个特征映射的每个单元可以被计算为等式\ ref {eq:equation}(上面的等式)。
其中o_ {i,m}是第i个输入特征映射O_i的第m个单元,q_ {j,m}是卷积的第j个特征映射Q_j的第m个单元层,w_ {i,j,n}是权重向量的第n个元素,w_ {i,j},将输入的第i个特征映射连接到卷积层的第j个特征映射,F称为过滤器大小,它是卷积层的每个单元接收的输入带的数量。
到目前为止好:
我基本上从这个理解是什么,我已经试过这个形象来说明。
这在我看来,他们在做什么实际处理的所有数据在所有的特征图点多达F和。基本上都是在x-y方向上移动,并从中计算点。
基本上2d卷积在尺寸为(I×F)的二维图像上的滤波器等于图像大小? 体重在这里似乎没有任何不同。
那么,为什么我问这个在这里..
我想实现这一点,我不确定自己在做什么,其实只是基本的卷积,其中滑动窗口饲料喂养保持新数据,还是他们做的不是正常的卷积,这意味着我需要设计一个特殊的层,做这个操作?...
有没有与我们可以帮助的这个问题有关的编程方面?或换句话说,你是否试过编码并得到奇怪的结果?这个网站的MO是你给我们一小段代码,我们帮你找到问题。 – SeeDerekEngineer
我刚刚添加了一个详细说明.. @SeeDerekEngineer – Lamda
这应该在https://stats.stackexchange.com –