Kapselihermoverkko ( englanniksi capsule neural network , CapsNet) on keinotekoisten hermoverkkojen arkkitehtuuri , joka on suunniteltu kuvantunnistusta varten.
Tämän arkkitehtuurin tärkeimmät edut ovat koulutukseen vaadittavan näytteen koon merkittävä pienentyminen sekä tunnistustarkkuuden ja valkoisen laatikon hyökkäyksiä vastaan kestävyyden lisääntyminen. Kapselihermoverkkojen keskeinen innovaatio on ns. kapselit - elementit, jotka ovat väliyksiköitä hermosolujen ja kerrosten välillä, jotka ovat virtuaalisten neuronien ryhmiä, jotka seuraavat paitsi yksittäisiä kuvan yksityiskohtia, myös niiden sijaintia suhteessa toisiinsa. Tämän arkkitehtuurin suunnitteli Geoffrey Hinton vuonna 1979, se muotoiltiin vuonna 2011 ja julkaistiin kahdessa artikkelissa lokakuussa 2017 [1] [2] [3] [4] [5] .
| Keinotekoisten neuroverkkojen tyypit | |
|---|---|
| |
| Koneoppiminen ja tiedon louhinta | |
|---|---|
| Tehtävät | |
| Opettajan kanssa oppimista | |
| ryhmäanalyysi | |
| Mittasuhteiden vähentäminen | |
| Rakenteellinen ennustaminen | |
| Anomalian havaitseminen | |
| Piirrä todennäköisyysmallit | |
| Neuroverkot | |
| Vahvistusoppiminen |
|
| Teoria | |
| Lehdet ja konferenssit |
|