上传者: 42127754
|
上传时间: 2021-10-20 17:02:57
|
文件大小: 470KB
|
文件类型: -
深度签名转换
在神经网络中将签名变换用作池化层。
这是Bonnier,Kidger,Perez Arribas,Salvi,Lyons 2019的论文的代码。
看看了PyTorch实现签名变换。
概述
如果您已经对神经网络有所了解,那么您的想法就是“签名变换”是一种非常出色的变换,它可以从数据流中提取特征,因此尝试将其内置到其中是很自然的事情。我们的神经网络模型。
如果您已经开始了解签名,那么您可能知道它们以前仅用作功能转换,并在其上构建了模型。 但是实际上可以通过签名变换反向传播,因此,只要您正确地设计模型(必须“保持流”;请参阅本文),那么将签名嵌入到神经网络中实际上是有意义的。 在签名变换之前学习非线性可以提供一种紧凑的方式来选择(原始路径的)签名中的哪些项对给定的数据集有用。
什么是签名?
数据流的签名本质上是有关该数据流的统计信息的集合。 统计信息的收集在捕获有关数据流的