AlexNet (Krizhevsky–Sutskever–Hinton Deep Convolutional Neural Network)
Преди AlexNet повечето класификатори на изображения разчитаха на ръчно изработени признаци. AlexNet показа, че мрежа с много подредени конволюционни слоеве, обучена от край до край върху сурови пиксели с достатъчно данни и GPU изчислителна мощ, може автоматично да научи йерархични визуални признаци. Ранните слоеве откриват ръбове и цветове; средните слоеве откриват текстури и части; крайните слоеве ги комбинират в представяния на ниво категории. Ключовите практически прозрения бяха: използването на ReLU вместо сигмоидни активации драстично ускорява обучението, а dropout чрез случайно деактивиране на неврони по време на обучение предотвратява прекомерната зависимост от всеки отделен признак, осигурявайки по-добра генерализация.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Krizhevsky, A., Sutskever, I., & Hinton, G. E. (2012). ImageNet Classification with Deep Convolutional Neural Networks. Advances in Neural Information Processing Systems, 25, 1097–1105. (Republished: Communications of the ACM, 60(6), 84–90, 2017.) DOI: 10.1145/3065386 ↗
- Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning (Ch. 9: Convolutional Networks). MIT Press. ISBN: 978-0-262-03561-3
- LeCun, Y., Bengio, Y., & Hinton, G. E. (2015). Deep Learning. Nature, 521, 436–444. DOI: 10.1038/nature14539 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). AlexNet (Krizhevsky–Sutskever–Hinton Deep Convolutional Neural Network). ScholarGate. https://scholargate.app/bg/deep-learning/alexnet
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Нормализация по мини-партиди (Batch Normalization)Дълбоко обучение↔ compare
- DropoutДълбоко обучение↔ compare
- ResNet (Residual Network)Дълбоко обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →