Капсульная нейронная сеть

Материал из Википедии — свободной энциклопедии
Перейти к навигации Перейти к поиску

Капсульная нейронная сеть (англ. capsule neural network, CapsNet) — архитектура искусственных нейронных сетей, которая предназначена для распознавания изображений.

Главными преимуществами данной архитектуры является существенное снижение размеров необходимой для обучения выборки, а также повышение точности распознавания и устойчивость к атакам типа «белый ящик». Ключевым нововведением капсульных нейросетей является наличие так называемых капсул — элементов, являющихся промежуточными единицами между нейронами и слоями, которые представляют собой группы виртуальных нейронов, отслеживающих не только отдельные детали изображения, но и их расположение друг относительно друга. Данная архитектура была задумана Джеффри Хинтоном в 1979 году, сформулирована в 2011 году и опубликована в двух статьях в октябре 2017 года[1][2][3][4][5].

Примечания

[править | править код]
  1. Представлен новый вид нейронной сети для распознавания изображений. Дата обращения: 17 ноября 2017. Архивировано 28 февраля 2021 года.
  2. Исследователи представили альтернативу традиционным нейронным сетям. Дата обращения: 17 ноября 2017. Архивировано 25 октября 2020 года.
  3. Капсульные сети встряхивают AI: вот как их использовать. Дата обращения: 17 ноября 2017. Архивировано 26 октября 2020 года.
  4. Мастер ИИ из Google представляет новый вираж нейронных сетей. Дата обращения: 17 ноября 2017. Архивировано 1 декабря 2017 года.
  5. Ученый представил новые возможности искусственного интеллекта. Дата обращения: 17 ноября 2017. Архивировано 1 декабря 2017 года.