Cada unidad de una red neuronal calcula (o “extrae”) una característica (distintiva), que es alguna función de la entrada (o parte de la entrada) que ayuda a realizar la tarea para la cual el NN está capacitado, por ejemplo, para discriminar entre clases Los bordes y las esquinas son características típicas de bajo nivel aprendidas por la primera capa de un ConvNet entrenado para la clasificación de imágenes. Las características de alto nivel podrían ser partes de objetos, por ejemplo, ruedas si una de las clases es “automóvil”, o caras si una de las clases es “humana”.
Un mapa de características es el resultado de calcular la misma característica local (es decir, una característica que depende solo de una región limitada de la imagen) en diferentes posiciones, cubriendo toda la extensión espacial de la imagen. Estas características son cada vez menos locales y menos sensibles a variaciones irrelevantes en la imagen de entrada (como la traducción y la escala del objeto principal, el punto de vista, la iluminación, etc.) a medida que avanza en la red. Puede ver las características calculadas por la última capa oculta como una nueva representación de alto nivel de la imagen que permite que la capa de salida separe fácilmente las clases (las clases se vuelven aproximadamente linealmente separables).
Puede ser útil guardar estas nuevas representaciones en el disco para realizar más experimentos. Por ejemplo, puede probar diferentes clasificadores en ellos (por ejemplo, un SVM) y ver si obtiene una mejor precisión que el clasificador softmax incorporado en ConvNet.
- ¿Alguna vez usamos la estimación de máxima verosimilitud?
- Quiero extraer acciones del texto y la entidad que actuó y sobre la que se actúa. Cómo proceder ?
- ¿Cuál es una explicación intuitiva de lo que es la actualización de gradiente proyectada?
- ¿Cuántos documentos son suficientes para estudiar para escribir una encuesta sobre aprendizaje profundo?
- ¿Qué tan cerca estamos del punto donde los radiólogos serán reemplazados por software de reconocimiento de imágenes / redes neuronales / IA?