Machine learning

Δίκτυο Κάψουλας

Ένα Δίκτυο Κάψουλας (CapsNet) είναι μια αρχιτεκτονική βαθιάς μάθησης που εισήχθη από τους Sara Sabour, Nicholas Frosst και Geoffrey Hinton το 2017, η οποία οργανώνει τους νευρώνες ως διανύσματα (κάψουλες) αντί για βαθμωτές ενεργοποιήσεις, ώστε η χωρική ιεραρχία και οι πληροφορίες πόζας (προσανατολισμού) να κωδικοποιούνται άμεσα. Προτάθηκε για να ξεπεραστεί η ευθραυστότητα των συνελικτικών δικτύων σε αλλαγές οπτικής γωνίας.

Άνοιγμα στο MethodMindΣύντομαΒίντεοΣύντομαDownload slides

Διαβάστε ολόκληρη τη μέθοδο

Μόνο για μέλη

Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.

Σύνδεση

Method map

The neighbourhood of related methods — select a node to explore.

Πηγές

  1. Sabour, S., Frosst, N. & Hinton, G. E. (2017). Dynamic Routing Between Capsules. Advances in Neural Information Processing Systems (NeurIPS). link
  2. Hinton, G. E., Sabour, S. & Frosst, N. (2018). Matrix Capsules with EM Routing. International Conference on Learning Representations (ICLR). link

Πώς να παραπέμψετε σε αυτή τη σελίδα

ScholarGate. (2026, June 1). Capsule Network (CapsNet). ScholarGate. https://scholargate.app/el/deep-learning/capsule-network

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.

Compare side by side

Αναφέρεται από

ScholarGateCapsule Network (Capsule Network (CapsNet)). Ανακτήθηκε στις 2026-06-15 από https://scholargate.app/el/deep-learning/capsule-network · Σύνολο δεδομένων: https://doi.org/10.5281/zenodo.20539026