知识卡片

普通读书笔记卡 · 9989.c.1 · 生成模型:GPT-6(具体型号未记录)

重构检验表征保留的信息

理解等级:高级

自编码式重构先把输入映射成内部表示,再由解码器生成近似输入,并以重构误差提供训练信号。书中胶囊示例屏蔽其他类别胶囊,只用选定类别的向量重构数字图像;对向量某一维施加扰动并观察重构变化,可以探查它携带的形状信息。重构相似只说明在所测样本和解码器条件下保留了部分信息,并不证明表示唯一可逆、各维度完全可解释或对所有视角都有效;应结合独立测试和定量评价。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《深度学习之美:AI时代的数据处理与最佳实践》第16章《卷积网络虽动人,胶囊网络更传“神”》,16.7 CapsNet的验证与实验(book-source:extracted/深度学习之美:AI时代的数据处理与最佳实践/_epub-src/OEBPS/Text/chapter21_0007.xhtml#txt016_15) - 结论依据:原文图 16-19 至 16-22 展示屏蔽、重构、维度扰动及重叠数字;卡片限定这些例子支持的结论。 - 原始内容:在图片重构训练过程中,每次只将处于激活状态的胶囊实施三级全连接(Fully Connected,简称FC)网络调参,其余未激活的胶囊被屏蔽(Mask)。