Exploring Randomly Wired Neural Networks for Image Recognition

SimonChenHere

于 2020-10-02 16:52:19 发布

阅读量199

点赞数

CC 4.0 BY-SA版权

分类专栏：《GNN & 深度学习& 区块链》 Paper研读笔记

本文链接：https://blog.csdn.net/qq_40199232/article/details/108902574

《GNN & 深度学习& 区块链》同时被 2 个专栏收录

42 篇文章 ¥159.90 ¥299.90

订阅专栏

超级会员免费看

Paper研读笔记

25 篇文章

订阅专栏

本文探讨了随机连接神经网络在图像识别任务中的潜力，通过对比标准ResNet架构，提出了名为RandWire的模型。研究发现，随机图结构能够在ImageNet基准测试中取得高度竞争力的结果。网络设计过程包括两个步骤，使用三种经典随机图模型（ER, BA, WS）生成不同的网络结构。实验表明，小世界（WS）模型在性能上表现最佳。此外，网络的连接方式与选择的操作正交，随机连接模型可以与手动设计或新架构搜索的最新模型相媲美。" 85624195,8236579,《算法导论》第三版分治策略习题详解,"['算法导论', '算法', '分治法']

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在这里插入图片描述
In traditional connnection is the models how computational network wired is crucial to build intelligent machines. In the early days of AI, pioneers including Turing, Minsky, Rosenblatt all have randomly wired machines

在这里插入图片描述
Here we show serveral neural network architectures we design on the right comparing to the standard ResNet architecture . our mode seemed a bit crazy ,we can our model RandWire .We’ll see the random graph structures can achieve highly competitive results on imageNet benchmark .