Los pesos pueden ser lo que sea que el algoritmo de entrenamiento determine los pesos.
Si tomas el caso simple de una sola neurona artificial, que forma el bloque de construcción de la CNN, los pesos son la contribución de la pendiente de una entrada particular, y podrían ser positivos o negativos.
- ¿Qué tan difícil es pasar de la optimización aplicada al aprendizaje automático / ciencia de datos?
- ¿Cómo se ve afectada la propagación hacia atrás en NN recurrentes?
- ¿Cuál es una buena manera de elegir los puntos iniciales de los grupos de k en el grupo de medios k?
- ¿Por qué los modelos gráficos probabilísticos tienen un rendimiento inferior en las tareas de clasificación en comparación con las redes neuronales o las máquinas de vectores de soporte?
- ¿Cuáles son los problemas interesantes en la 'automatización de big data'?
Intuitivamente, si se utiliza CNN para la clasificación de imágenes, las capas iniciales aprenden características de nivel inferior como la detección de bordes. Los pesos ideales (escalados) de una detección de borde de 3 × 3 serían todos negativos, excepto el del medio.
p.ej
Vea la publicación del blog para comprender la convolución en el aprendizaje profundo – Tim Dettmers
