论文总结
Fang Suk
久居深巷、独忆易人
展开
-
DPCNN论文阅读总结
Deep pyramid Convolutional Neural Networks for Text Categorization摘要:本文提出了一个低复杂度,词级别用于文本分类的深度卷积神经网络,该模型可以有效的获得文本长距离联系的表示。针对文本分类,有一些深并且复杂的模型被提出,但它都假设相当大的训练数据可以使用。随着网络的加深,计算复杂度也会提升,导致实际应用困难。并且,近期研究表...原创 2020-04-16 16:28:07 · 2282 阅读 · 0 评论 -
论文总结-Deep Residual Learning for Image Recognition
按照ResNet论文的思路流程对论文进行了总结Resnet论文大体思路如下:阐述事实:网络深度对网络模型性能至关重要,一般来说,深度越深,性能越好提出疑问:是否可以通过不断增加网络深度来提升模型性能?分析问题:不断加深网络会遇到两个问题:梯度消失/梯度爆炸 和 网络退化提出解决方法:梯度消失/梯度爆炸前人的研究很多了,也可以很好的缓解这个问题。论文主要解决网络退化问题,使用残差...原创 2019-08-13 17:26:24 · 343 阅读 · 0 评论 -
论文总结-Densely Connected Convolutional Networks
DenseNet是一种密集练级的卷积神经网络。首先,作者在摘要中概述了DenseNet的优点:缓解梯度消失问题。(这个没什么特点,这类包含短连接的网络都有这个优点) 增强特征传播 鼓励特征复用(该论文一大特点) 大幅减少参数一、训练非常深的网络成为现实虽然卷积神经网络早在20年前就被提出,但是,直到近期研究学者们才成功的训练了非常深的网络。这主要得益于网络结构的优化和计算机硬件...原创 2019-08-15 21:14:59 · 312 阅读 · 0 评论