跳到正文
热点事件持续更新

研究者用DPGMM聚类可视化Convnet内部特征

1 篇报道1 个报道来源46 分钟前更新

先了解这件事

AI 综述

David Malmgren-Hansen 等在 arXiv 论文(arXiv:1702.07189)中提出用 Dirichlet 过程高斯混合模型(DPGMM)对卷积神经网络各层所有节点的内部表征进行聚类,以可视化其学到的特征表示。该论文曾在 NIPS 2016 Workshop: Practical Bayesian Nonparametrics 上报告。 其背景是 Convnet 内部表征维度高、深层抽象程度高,可视化困难;作者称这种聚类方法可帮助观察网络学到的特征。

AI 根据报道生成 · 14 分钟前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月18日
  1. arXiv cs.AI
    用 Dirichlet Process Gaussian Mixture Model 分析 Convnet 学到的特征

    一篇 arXiv 论文提出用 Dirichlet Process Gaussian Mixture Model 对卷积神经网络(Convnet)各层所有节点的内部表征进行聚类,以可视化其学到的特征表示,应对内部表征高维度和深层高抽象带来的可视化难题。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。