我正在阅读题为“通过深度神经网络对室内动作进行分类”的论文。我遇到了这样的声明:
通过这种机制,可以结合这些模块学习非常复杂的功能:生成的网络通常对微小的细节非常敏感,而对大的不相关变化不敏感。
我读过很多关于深度神经网络的文章。但是,我可能错过了为什么深度神经网络对大的不相关特征不敏感背后的逻辑。
我正在阅读题为“通过深度神经网络对室内动作进行分类”的论文。我遇到了这样的声明:
通过这种机制,可以结合这些模块学习非常复杂的功能:生成的网络通常对微小的细节非常敏感,而对大的不相关变化不敏感。
我读过很多关于深度神经网络的文章。但是,我可能错过了为什么深度神经网络对大的不相关特征不敏感背后的逻辑。
它们可以处理输入的巨大变化,因为神经元具有权重,并且这些权重作为学习良好模型的一部分得到优化。因此,即使模型可能采用 0 到 100,000 范围内的值,如果它与预测结果无关,它的影响也会非常小。