已入深夜,您辛苦了!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!祝你早点完成任务,早点休息,好梦!

Towards dropout training for convolutional neural networks

人工神经网络 培训(气象学) 模式识别(心理学) 学习迁移 深层神经网络 任务(项目管理) 卷积(计算机科学)
作者
Haibing Wu,Xiaodong Gu
出处
期刊:Neural Networks [Elsevier BV]
卷期号:71: 1-10 被引量:327
标识
DOI:10.1016/j.neunet.2015.07.007
摘要

Recently, dropout has seen increasing use in deep learning. For deep convolutional neural networks, dropout is known to work well in fully-connected layers. However, its effect in convolutional and pooling layers is still not clear. This paper demonstrates that max-pooling dropout is equivalent to randomly picking activation based on a multinomial distribution at training time. In light of this insight, we advocate employing our proposed probabilistic weighted pooling, instead of commonly used max-pooling, to act as model averaging at test time. Empirical evidence validates the superiority of probabilistic weighted pooling. We also empirically show that the effect of convolutional dropout is not trivial, despite the dramatically reduced possibility of over-fitting due to the convolutional architecture. Elaborately designing dropout training simultaneously in max-pooling and fully-connected layers, we achieve state-of-the-art performance on MNIST, and very competitive results on CIFAR-10 and CIFAR-100, relative to other approaches without data augmentation. Finally, we compare max-pooling dropout and stochastic pooling, both of which introduce stochasticity based on multinomial distributions at pooling stage.

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
顺利毕业完成签到,获得积分10
1秒前
111发布了新的文献求助10
1秒前
3秒前
小方完成签到,获得积分10
4秒前
科研通AI6.3的应助被DW采纳,获得10
4秒前
研友_VZG7GZ的应助被大方大船采纳,获得10
4秒前
小二郎的应助被创伤章鱼采纳,获得10
5秒前
ice完成签到 ,获得积分10
5秒前
7秒前
早日毕业大豚鼠完成签到,获得积分10
9秒前
nancyruoxi发布了新的文献求助10
9秒前
10秒前
大方大船发布了新的文献求助10
11秒前
12秒前
赛赛完成签到 ,获得积分10
12秒前
u527218发布了新的文献求助60
13秒前
听寒完成签到 ,获得积分10
14秒前
loii的应助被镓氧锌钇铀采纳,获得10
14秒前
15秒前
3921337477的应助被u560581采纳,获得60
17秒前
科研通AI65的应助被DW采纳,获得10
17秒前
高兴的丝完成签到 ,获得积分10
18秒前
月是遗憾完成签到 ,获得积分10
20秒前
21秒前
气球好饿发布了新的文献求助10
21秒前
重要盼易完成签到,获得积分10
23秒前
24秒前
斯文败类的应助被执笔绘朝暮采纳,获得10
24秒前
大方大船完成签到,获得积分10
27秒前
灵煌完成签到,获得积分10
27秒前
27秒前
万能图书馆的应助被3921337477采纳,获得10
28秒前
一念之间的应助被3921337477采纳,获得10
28秒前
Lucas的应助被3921337477采纳,获得10
28秒前
29秒前
Maestro_S的应助被DW采纳,获得10
30秒前
忧虑的灵槐完成签到,获得积分10
32秒前
kali发布了新的文献求助100
33秒前
u560581发布了新的文献求助60
34秒前
35秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 1700
The World Atlas of Wine 9th edition 1000
奈特基础组织学:配套组织病理学(第4版)(Netter's Essential Histology With Correlated Histopathology) 800
八旗制度の研究 600
高分子基功能界面水蒸发材料与应用研究 500
外场增强的水汽发电研究 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8184867
求助须知:如何正确求助?哪些是违规求助? 9573803
关于积分的说明 21833148
捐赠科研通 7782177
什么是DOI,文献DOI怎么找? 3434414
关于科研通互助平台的介绍 2558563
邀请新用户注册赠送积分活动 2481067