신경망에서의 1D 컨볼 루션

컨볼 루션 작동 방식을 이해하지만 1D 컨볼 루션이 2D 데이터에 어떻게 적용되는지 알 수 없습니다.

2D 컨볼 루션

이 예에서는 2D 데이터에서 2D 컨벌루션을 볼 수 있습니다. 그러나 1D 컨볼 루션이라면 어떻게 될까요? 같은 방식으로 1D 커널 만 미끄러지나요? 그리고 보폭이 2라면?

감사합니다!

conv-neural-network

— 구스타보
소스

각 행렬의 첫 번째 행을보십시오.

— Piotr Migdal

예를 들어 주시겠습니까?

— Gustavo

1d 컨볼 루션은 엄격한 2D 이미지에는 실제로 유용하지 않습니다. 회색조가 아닌 이미지는 3 개의 색상 채널이 있기 때문에 기술적으로 3D입니다.

— Ethan

@Gustavo 이것처럼 : toto-share.com/wp-content/uploads/2011/11/… 신경망의 의미에서 1x1 컨볼 루션을 의미하지 않는 한, 이것은 다른 것입니다.

— Piotr Migdal

: 내 문제는 같은 회선 함께 d3kbpzbmcynnmx.cloudfront.net/wp-content/uploads/2015/11/... 1D 또는 크기 XK 두 회선, 크기 2 커널 크기 3, 다른 하나가 있습니다 ...하지만 그 커널은 ?

— Gustavo

답변:

일련의 벡터 (예 : 단어 벡터)라고 하자 . 컨벌루션 레이어를 적용하는 것은 모든 가중치에 동일한 가중치 행렬을 적용하는 것과 같습니다. 여기서 은 필터의 높이입니다. 예를 들어, 인 경우 다음과 같이 시각화 할 수 있습니다. $x_1, …,x_n$ $n$ $n=3$

좀 더 수학적인 설명을 원하시면, Ji Young Lee, Franck Dernoncourt를 확인하십시오 . " 회복 및 컨볼 루션 신경망을 이용한 순차 텍스트 분류 ". NAACL 2016 . 섹션 2.1.2 :

— 프랭크 데논 코트
소스

1D 컨벌루션은 컨볼 루션 네트워크에서 필터 차원의 다운 샘플링 및 업 샘플링을 위해 사용됩니다. 컨볼 루션 네트워크는 네트워크를 통과 할 때 이러한 필터 맵을 구축하므로 실제로 3 차원으로 생각할 수 있습니다. 필터 맵 차원의 일반적인 기본 사례는 크기가 3입니다. 종종 RGB 이미지가 네트워크를 통과하기 때문입니다.

이 1D 컨볼 루션은 다운 샘플링, 일부 작업 수행 후 동일한 차원으로 다시 샘플링하는 데 유용 할 수 있습니다. 이것은 성능상의 이유로 매우 유용합니다.

실제로 직관적으로 이해하려면 다음을 읽으십시오.

네트워크 내 네트워크 -http : //arxiv.org/abs/1312.4400

컨볼 루션 심화-https://www.google.com/url?sa=t&source=web&rct=j&url=http: //www.cs.unc.edu/~wliu/papers/GoogLeNet.pdf&ved=0ahUKEwi89oeuxqnLAhXhuIMKHZrTCe0QFggkEE-usg=AFQjCNGCE rrECNQ72wI3PH1Qw & sig2 = VhjfaMvuskNIDVKhFfNiqQ

— 이단
소스

1D 컨볼 루션이 아닌 1x1 컨볼 루션 (신경망의 의미에서)에 대해 이야기하는 것은 솔기입니다.

— Piotr Migdal

네, 신경망이 관련되어 있다고 가정했습니다. reddit의 / r / MLQuestions 에서이 질문에 대한 링크를 보았으므로 ML과 관련이 있다고 가정했습니다. 그러나 단순한 컨벌루션의 경우 관련성이 없습니다 : P.

— Ethan