BriefGPT - AI 论文速递
·
基于层次深度学习的适应时间步长的多尺度模拟方案
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
本文将深度卷积神经网络前向传播视为时变非线性微分方程，训练过程视为参数控制，并提出两种多尺度方法优化CNN：一种利用参数伸缩连接不同分辨率数据，另一种连接浅深网络，逐步增深并复用参数。
🎯
关键要点
-
深度卷积神经网络的前向传播被视为时变非线性微分方程。
-
训练过程被看作是微分方程参数的控制过程。
-
提出了两种多尺度方法以优化CNN。
-
第一种方法通过参数伸缩连接低分辨率和高分辨率数据。
-
第一种方法可以使用低分辨率图像训练CNN以分类高分辨率图像，并加速学习过程。
-
第二种方法通过连接浅层和深层网络，逐步增深CNN并复用参数进行初始化。
🏷️
标签
➡️
