訂閱
糾錯
加入自媒體

卷積神經(jīng)網(wǎng)絡(luò):解決圖像分類、語義分割或機器翻譯問題

金翅導(dǎo)讀

卷積神經(jīng)網(wǎng)絡(luò)已成功應(yīng)用于解決諸如圖像分類語義分割或機器翻譯等問題,其中解決的這些問題的基礎(chǔ)數(shù)據(jù)表示具有網(wǎng)格狀結(jié)構(gòu)。但是,目前許多有趣的任務(wù)的數(shù)據(jù)為無法以網(wǎng)格狀結(jié)構(gòu)表示的數(shù)據(jù),而這些數(shù)據(jù)位于不規(guī)則的域中。用來表示3D網(wǎng)格,社交網(wǎng)絡(luò),電信網(wǎng)絡(luò),生物網(wǎng)絡(luò)或大腦連接組的數(shù)據(jù)就是這種情況。此類數(shù)據(jù)通?梢砸詧D表的形式表示,并且圖形提供了一種直觀合理的表示圖像關(guān)系的方式,所以對圖數(shù)據(jù)的研究日益增多。已經(jīng)有很多文獻中已經(jīng)涉及到擴展神經(jīng)網(wǎng)絡(luò)使其來處理任意結(jié)構(gòu)的圖。早期的工作使用遞歸神經(jīng)網(wǎng)絡(luò)來處理,圖域表示為有向無環(huán)圖的數(shù)據(jù)(Frasconi等人1997年提出,Sperduti和Starita1998年提出)。圖神經(jīng)網(wǎng)絡(luò)(GNN)作為遞歸神經(jīng)網(wǎng)絡(luò)的一般化,可以直接處理更通用的圖類,例如:循環(huán)圖,有向圖和無向圖。由Gori等人在2005年以及Scarselli等人于2009年提出。GNN包含一個迭代過程,該過程傳播節(jié)點狀態(tài)直至達到平衡;然后結(jié)點經(jīng)過神經(jīng)網(wǎng)絡(luò),該神經(jīng)網(wǎng)絡(luò)根據(jù)其狀態(tài)為每個節(jié)點生成輸出。Li等人于2016年采納了這個想法并利用Cho等人于2014年提出的門控循環(huán)單元在傳播階段對這個想法進行了改進。目前,大家越來越有興趣將卷積推廣到圖域中去。其中,圖卷積網(wǎng)絡(luò)的方法可以大致分為空間卷積和頻譜卷積方法。

1  2  下一頁>  
聲明: 本文由入駐維科號的作者撰寫,觀點僅代表作者本人,不代表OFweek立場。如有侵權(quán)或其他問題,請聯(lián)系舉報。

發(fā)表評論

0條評論,0人參與

請輸入評論內(nèi)容...

請輸入評論/評論長度6~500個字

您提交的評論過于頻繁,請輸入驗證碼繼續(xù)

暫無評論

暫無評論

    掃碼關(guān)注公眾號
    OFweek人工智能網(wǎng)
    獲取更多精彩內(nèi)容
    文章糾錯
    x
    *文字標題:
    *糾錯內(nèi)容:
    聯(lián)系郵箱:
    *驗 證 碼:

    粵公網(wǎng)安備 44030502002758號