English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

俞海宝 沈 琦 冯国灿 (中山大学数学学院 广州510275)  摘 要 经典的反卷积可视化模型通过反池化、反激活、反卷积将特征图像还原至原图像空间,可视化网络节 点 从 输 入图像学习到的特征,有助于探究卷积神经网络运行良好的机制,但是由于采用近似处理,还原特征不 明 显。本 研 究 引入数值求解方法来代替原模型中直接用卷积核的反转近似反卷积核的方法。先构造数据集:随机生 成 大 小、形 状、 位置不一的结构简单、角点特征明显的三角形和矩形,用于组成层次结构逐渐复杂的数据集,并利用该数据集 测 试 模 型的可视化效果。实验表明,改进后的可视化模型提取的特征更明显,引入的噪音更少,可以更为精确地 将 激 活 网 络 节点从原图像学习的特征可视化。在更大的数据库上进行实验来验证结果,并利用这种结果进一步探究准确 率 与 网 络结构之间存在何种关系。 关键词 卷积神经网络,可视化,反卷积,数值求解 中图法分类号 TP301.6 文献标识码 A  Introduce Numerical Solution to Visualize Convolutional Neuron Networks Based on Numerical Solution

在反卷积网络中引入数值解可视化卷积神经网络 (Introduce Numerical Solution to Visualize Convolutional Neuron Networks Based on Numerical Solution).