所以上面的第一个等式是指用于图像分类的 CNN（而不是 CNN 委员会）。我无法准确理解作者在第一个等式中试图做什么。
到目前为止，我认为他们正在计算所有委员会的最大似然概率指数，然后将所有委员会的这些指数的概率相加，最后得出最大指数。
但这似乎过于复杂，我不太确定。有人可以澄清一下吗？
CNN 概率方程的含义
数据挖掘
美国有线电视新闻网
图像分类
符号
2022-03-11 11:36:22
1个回答
我同意这个等式可能不清楚，但您可以将其分解为以下内容：
- 首先，术语 告诉您在给定输入对象中哪个标签的概率更高。
- 然后，这会“迭代”委员会中的所有模型，为每个模型计算最有可能的标签。
- 最后找到最常见的标签（即）。
此外，在伪代码中考虑它也很有帮助
def get_label(CNNs, x):
labels = [0, 0, 0, 0, 0] # each position refers to that last $j$
for pCNNi in CNNs:
predictions = pCNNi(x)
label_i = predictions.index(max(predictions)) # this is the argmax_k
labels[label_i] += 1
return labels.index(max(labels)) # this is the argmax_j
其它你可能感兴趣的问题