Неокогнитрон

Тип искусственной нейронной сети

Неокогнитрон — это иерархическая многослойная искусственная нейронная сеть , предложенная Кунихико Фукусимой в 1979 году. ^[1] Она использовалась для распознавания японских рукописных символов и других задач распознавания образов и послужила источником вдохновения для создания сверточных нейронных сетей . ^[2]

Неокогнитрон был вдохновлен моделью, предложенной Хьюбелом и Визелем в 1959 году. Они обнаружили два типа клеток в первичной зрительной коре, называемые простыми клетками и сложными клетками , а также предложили каскадную модель этих двух типов клеток для использования в распознавании образов. задания. ^{[3] [4]}

Неокогнитрон является естественным продолжением этих каскадных моделей. Неокогнитрон состоит из нескольких типов клеток, наиболее важные из которых называются S-клетками и C-клетками. ^[5] Локальные особенности извлекаются S-клетками, и деформация этих особенностей, такая как локальные сдвиги, допускается C-клетками. Локальные особенности входных данных постепенно интегрируются и классифицируются на более высоких уровнях. ^[6] Идея интеграции локальных функций встречается в нескольких других моделях, таких как модель сверточной нейронной сети , метод SIFT и метод HoG .

Существуют различные виды неокогнитрона. ^[7] Например, некоторые типы неокогнитронов могут обнаруживать несколько шаблонов в одном и том же входном сигнале, используя обратные сигналы для достижения избирательного внимания . ^[8]

Смотрите также

• Искусственная нейронная сеть
• Глубокое обучение
• Распознавание образов
• Рецептивное поле
• Самоорганизующаяся карта
• Обучение без присмотра

Примечания

1. Фукусима, Кунихико (октябрь 1979 г.). "位置ずれに影響されないパターン認識機構の神経回路のモデル --- ネオコグニトロン ---" [Модель нейронной сети для механизм распознавания образов, на который не влияет изменение положения — Неокогнитрон —]. Пер. IECE (на японском языке). J62-А (10): 658–665.
2. ЛеКун, Янн; Бенджио, Йошуа; Хинтон, Джеффри (2015). «Глубокое обучение» (PDF) . Природа . 521 (7553): 436–444. Бибкод : 2015Natur.521..436L. дои : 10.1038/nature14539. PMID  26017442. S2CID  3074096.
3. Дэвид Х. Хьюбель и Торстен Н. Визель (2005). Мозг и зрительное восприятие: история 25-летнего сотрудничества. Издательство Оксфордского университета, США. п. 106. ИСБН 978-0-19-517618-6.
4. Хьюбель, Д.Х.; Визель, Теннесси (октябрь 1959 г.). «Рецептивные поля отдельных нейронов полосатой коры головного мозга кошки». Дж. Физиол . 148 (3): 574–91. doi : 10.1113/jphysical.1959.sp006308. ПМЦ 1363130 . ПМИД  14403679. 
5. Фукусима 1987, с. 83.
6. Фукусима 1987, с. 84.
7. Фукусима 2007.
8. Фукусима 1987, стр. 81, 85.

Рекомендации

• Фукусима, Кунихико (апрель 1980 г.). «Неокогнитрон: самоорганизующаяся модель нейронной сети для механизма распознавания образов, на который не влияет сдвиг положения». Биологическая кибернетика . 36 (4): 193–202. дои : 10.1007/bf00344251. PMID  7370364. S2CID  206775608.
• Фукусима, Кунихико; Мияке, С.; Ито, Т. (1983). «Неокогнитрон: нейросетевая модель механизма распознавания визуальных образов». Транзакции IEEE по системам, человеку и кибернетике . SMC-13 (3): 826–834. дои : 10.1109/TSMC.1983.6313076. S2CID  8235461.
• Фукусима, Кунихико (1987). «Иерархическая модель нейронной сети для избирательного внимания». В Экмиллере, Р.; Фон дер Мальсбург, К. (ред.). Нейронные компьютеры . Спрингер-Верлаг. стр. 81–90.
• Фукусима, Кунихико (2007). «Неокогнитрон». Схоларпедия . 2 (1): 1717. Бибкод : 2007SchpJ...2.1717F. doi : 10.4249/scholarpedia.1717 .
• Хьюбель, Д.Х.; Визель, Теннесси (1959). «Рецептивные поля одиночных нореонов в полосатой коре кошки». Дж Физиол . 148 (3): 574–591. doi : 10.1113/jphysical.1959.sp006308. ПМЦ  1363130 . ПМИД  14403679.

Внешние ссылки

• Неокогнитрон в Scholarpedia
• Неокогнитрон от Ing. Габриэль Минарик — приложение (C#) и видео
• Ресурсы неокогнитрона на платформе Visiome - включают среду MATLAB
• Beholder — симулятор неокогнитрона