Key points are not available for this paper at this time.
في شبكات الأعصاب التلافيفية القياسية (CNNs)، يتم تصميم حقول الاستقبال للعصبونات الاصطناعية في كل طبقة لتكون بنفس الحجم. من المعروف جيدًا في مجتمع علوم الأعصاب أن حجم حقل الاستقبال للعصبونات القشرية البصرية يتأثر بالمنبه، وهو ما تم اعتباره نادرًا عند بناء CNNs. نقترح آلية اختيار ديناميكية في CNNs تسمح لكل عصبون بضبط حجم حقل الاستقبال بشكل تكيفي بناءً على مقاييس متعددة من المعلومات المدخلة. تم تصميم وحدة بناء تُعرف بوحدة النواة الانتقائية (SK) ، حيث يتم دمج فروع متعددة بأحجام نواة مختلفة باستخدام انتباه softmax الذي يتم توجيهه بواسطة المعلومات في هذه الفروع. تyieldت أنواع مختلفة من الانتباه على هذه الفروع أحجامًا مختلفة من حقول الاستقبال الفعالة للعصبونات في طبقة الدمج. يتم تكديس وحدات SK متعددة في شبكة عميقة تُسمى شبكات النواة الانتقائية (SKNets). على معايير ImageNet وCIFAR، نعرض تجريبيًا أن SKNet يتفوق على الهياكل القائمة على أعلى مستوى مع تقليل تعقيد النموذج. تظهر التحليلات التفصيلية أن العصبونات في SKNet يمكنها التقاط الأجسام المستهدفة بمقاييس مختلفة، مما يؤكد قدرة العصبونات على التكيف لضبط أحجام حقول الاستقبال الخاصة بها وفقًا للمدخلات. الكود والنماذج متاحة على https://github.com/implus/SKNet.
لي وآخرون (السبت) درسوا هذا السؤال.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: