本文介绍 Highway Networks 如何解决深层网络训练难题，借鉴 LSTM 的门机制，通过 T 和 C 门控制信息流，提升网络结果准确度。
提高网络结果准确度：更深的层数以及更小的感受野(Szegedy et al.,2014;Simonyan & Zisserman,2014)）
Highway Networks针对解决深层网络训练困难的问题
由LSTM启发，采用门技术
网络原映射函数：
增加T（transform）门和C（carry）门，控制信息的流动：
根据C+T=1：
最终经过调参，训练，在不同数据集对比，取得很好效果
highway network总结
最新推荐文章于 2022-08-26 20:15:08 发布
扫一扫
2万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
