使用拓扑数据分析理解卷积神经网络模型过程

发布时间：2018-07-11 20:14:54 所属栏目：教程来源：Gunnar Carlsson

导读：副标题#e# 【资讯】 1.简介神经网络在各种数据方面处理上已经取得了很大的成功，包括图像、文本、时间序列等。然而，学术界或工业界都面临的一个问题是，不能以任何细节来理解其工作的过程，只能通过实验来检测其效果，而无法做出合理的解释。相关问题是对

　　图像中的第一行反映第一层的信息，并且观察到，优化算法进行400和500次迭代后快速发现上述圆形模型。然而，随着迭代的过程，圆形变为更复杂，其中包括与水平和垂直补丁相对应的补丁，1000次迭代后，模型中心变得更复杂。另一方面，对于第二层，在迭代的第一轮中可以看到，只有一个弱模式，但是在2000次迭代之后，似乎具有一个明确定义的圆形模型。我们对其进行假设——第二层已经“接管”了第一层，而第一层已经转移到捕获更复杂的补丁，这是未来潜在研究的一个领域。这也证明了使用拓扑数据分析来监控和提供对神经网络学习过程的洞察力的能力。