Saya mengerti bagaimana konvolusi bekerja tetapi saya tidak mengerti bagaimana konvolusi 1D diterapkan pada data 2D.
Dalam contoh ini Anda dapat melihat konvolusi 2D dalam data 2D. Tetapi bagaimana jadinya jika konvolusi 1D? Hanya 1D kernel yang meluncur dengan cara yang sama? Dan jika langkahnya adalah 2?
Terima kasih!
conv-neural-network
Gustavo
sumber
sumber
Jawaban:
Misalkan menjadi urutan vektor (mis. Vektor kata). Menerapkan lapisan convolutional sama dengan menerapkan matriks bobot yang sama untuk semua n-gram, di mana adalah ketinggian filter Anda. Misalnya, jika , Anda dapat memvisualisasikannya sebagai berikut: n n = 3x1,…,xn n n=3
Untuk penjelasan yang sedikit lebih matematis, Anda dapat mengunjungi Ji Young Lee, Franck Dernoncourt. " Klasifikasi Teks Singkat Berurutan dengan Jaringan Syaraf Berulang dan Konvolusional ". NAACL 2016 . bagian 2.1.2:
sumber
Konvolusi 1D digunakan dalam jaringan konvolusional untuk pengambilan sampel turun dan pengambilan sampel dalam dimensi filter. Jaringan konvolusional membangun peta filter ini saat Anda melewati jaringan, Anda dapat benar-benar menganggapnya sebagai dimensi ke-3. Kasing dasar yang biasa dari dimensi peta filter adalah ukuran 3, karena kita akan sering memiliki gambar RGB melalui jaringan kami.
Konvolusi 1D ini dapat berguna untuk pengambilan sampel turun, melakukan beberapa operasi, lalu menaikkan sampel kembali ke dimensi yang sama. Ini cukup berguna karena alasan kinerja.
Untuk benar-benar memahami secara intuitif saya sarankan membaca:
Jaringan-dalam-jaringan - http://arxiv.org/abs/1312.4400
Melangkah lebih dalam dengan konvolusi - https://www.google.com/url?sa=t&source=web&rct=j&url=http://www.cs.unc.edu/~wliu/papers/GoogLeNet.pdf&ved=0ahUKEwi89oeuxqnLAhXhuIMKHZrTCeGUkU rrECNQ72wI3PH1Qw & sig2 = VhjfaMvuskNIDVKhFfNiqQ
sumber