Key points are not available for this paper at this time.
في السنوات الأخيرة، استخدمت أحدث الأساليب في رؤية الكمبيوتر هياكل شبكات الأعصاب التلافيفية العميقة (CNNs)، حيث employs بعض أكثر النماذج نجاحًا مئات أو حتى آلاف الطبقات. إن وجود بعض الأمراض مثل التدرجات التي تتلاشى/تنفجر يجعل تدريب مثل هذه الشبكات أمرًا صعبًا. في حين أن الاتصالات المتبقية وتطبيع الدفعة تمكّن التدريب على هذه الأعماق، إلا أنه لم يتضح بعد ما إذا كانت تلك التصاميم المعمارية ضرورية حقًا لتدريب الـCNNs العميقة. في هذا العمل، نوضح أنه من الممكن تدريب الـCNNs الفVanilla بعمق عشر طبقات أو أكثر باستخدام خطة تهيئة مناسبة. نقوم بإ اشتقاق هذه الخطة نظريًا من خلال تطوير مجال متوسط لانتشار الإشارة ومن خلال وصف شروط المطابقة، أي توازن القيم المفردة لمصفوفة الإدخال-الإخراج. تتطلب هذه الشروط أن يكون مشغل الالتواء تحويلًا بمعنى أنه يحافظ على المعيار. نقدم خوارزمية لتوليد نوى الالتواء العشوائية المتعامدة ونوضح تجريبيًا أنها تمكن من تدريب فعال لأساليب معمارية شديدة التعقيد.
شياو وآخرون (الخميس) درسوا هذا السؤال.