Saeed Reza Kheradpisheh

前向卷积神经网络通过可学习通道分配实现新的最先进水平

研究人员开发了一种新的卷积神经网络（CNN）前向学习算法，该算法改进了现有方法。这种方法引入了一种可学习的机制，用于将通道分配给类别，从而实现更具适应性和数据驱动的专业化。此外，一种感知损失的层贡献策略根据中间预测的验证性能对其进行加权，从而增强了推理。当集成到残差CNN中时，该方法在多个图像数据集上实现了前向模型中的最先进性能，显著缩小了与传统反向传播技术的差距。