كاربرد بسط تيلور در كاهش حجم شبكه هاي عصبي پيچشي براي طبقه بندي نقاشي هاي سبك امپرسيونيسم و مينياتور

No Title

بسط تيلور يكي از رو ش هاي تقريب توابعي است كه از هر مرتبه اي مشتق پذير هستند.روال اصلي يادگيري در شبكه هاي عصبي، مبتني بر مشتق گيري از تابع هدف و استفاده از گراديان كاهشي براي نيل به پاسخ بهينه است. شبكه هاي عصبي پيچشي از مهمترين ابزار حوزه يادگيري عميق هستند. عمده ي اين شبكه ها متضمن مدل هايي با اندازه هاي بزرگ بوده و كاهش حجم اين مدل ها از موضوعات تحقيقاتي به روز مي باشد. شيوه ي اصلي روش هاي كاهش حجم مدل ها، هرس كردن اتصالات زايد شبكه هاي عصبي است، كه عموما مبتني بر اندازه ي وزن اتصالات مي باشند. از جمله ي اين شيوه ها، استفاده از بسط تيلور تابع هدف در محاسبه ي اولويت اتصالات، براي حذف آنها از شبكه است. در اين نوشتار، اين شيوه به صورت مبسوط مورد بررسي قرار گرفته و كاربرد جديدي از آن در تفكيك تابلوهاي نقاشي با سبك هاي امپرسيونيسم (برداشت گرايي) و مينياتور (خردنگارگري) ارايه شده است. نتايج آزمايش ها نشان داده است كه با روش مبتني بر بسط تيلور مي توان 83 درصد از اتصالات شبكه را انتخاب و حذف نمود، بدون آنكه دقت مدل در اين كاربرد خاص كاهش پيدا كند.

No abstract