Machine learning

เครือข่าย Capsule

Capsule Network (CapsNet) เป็นสถาปัตยกรรม deep learning ที่นำเสนอโดย Sara Sabour, Nicholas Frosst และ Geoffrey Hinton ในปี 2017 ซึ่งจัดกลุ่มนิวรอนเป็นเวกเตอร์ (capsules) แทนที่จะเป็นค่าสเกลาร์ (scalar activations) เพื่อให้ข้อมูลลำดับชั้นเชิงพื้นที่และข้อมูลท่าทาง (orientation) ถูกเข้ารหัสโดยตรง สถาปัตยกรรมนี้ถูกเสนอขึ้นเพื่อเอาชนะข้อจำกัดของ convolutional networks ที่เปราะบางต่อการเปลี่ยนแปลงมุมมอง

เปิดใน MethodMindเร็ว ๆ นี้วิดีโอเร็ว ๆ นี้Download slides

อ่านวิธีฉบับเต็ม

สำหรับสมาชิกเท่านั้น

เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้

เข้าสู่ระบบ

Method map

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

แหล่งอ้างอิง

  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

วิธีอ้างอิงหน้านี้

ScholarGate. (2026, June 1). Capsule Network (CapsNet). ScholarGate. https://scholargate.app/th/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

ถูกอ้างอิงโดย

ScholarGateCapsule Network (Capsule Network (CapsNet)). สืบค้นเมื่อ 2026-06-15 จาก https://scholargate.app/th/deep-learning/capsule-network · ชุดข้อมูล: https://doi.org/10.5281/zenodo.20539026