FractalNet論文有多重要？

現(xiàn)在打電話可能還為時(shí)過早，因?yàn)樗呀?jīng)在arxiv上工作了不到三個(gè)月。另外，我只閱讀了摘要。但是，我的猜測(cè)是，它并不是特別重要，主要是因?yàn)槌橄舐暶髦桓纳屏艘粋€(gè)數(shù)據(jù)集的結(jié)果，而且數(shù)據(jù)集CIFAR-100并不像CIFAR-10或ImageNet那樣受歡迎和競(jìng)爭(zhēng)。但公平地說，在你自己閱讀或聽過讀過它的人之前，你不應(yīng)該判斷這篇論文。我只是從抽象中猜測(cè)這不是一個(gè)重大的進(jìn)步。

我認(rèn)為更重要的一篇相關(guān)論文是這樣的：[1603.09382]具有隨機(jī)深度的深度網(wǎng)絡(luò)

隨機(jī)深度論文具有更廣泛的意義，因?yàn)樗砻鞑粚儆凇吧顚由窠?jīng)網(wǎng)絡(luò)學(xué)習(xí)在每一層的不同表示”范式的深層模型可以很好地工作。這給了很多支持“深度神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)多步驟程序”范例的證據(jù)。以前，人們都知道這兩種解釋。大多數(shù)深度學(xué)習(xí)模型都可以用兩種范式來描述，但我覺得表征學(xué)習(xí)解釋更受歡迎（考慮一個(gè)主要的深度學(xué)習(xí)會(huì)議被稱為國(guó)際學(xué)習(xí)表征會(huì)議）。隨機(jī)深度論文顯示，您可以通過程序的多個(gè)步驟更新單個(gè)表示，并且該表示非常有效。它還表明，讓這個(gè)程序運(yùn)行更長(zhǎng)時(shí)間是有幫助的，即使它沒有經(jīng)過長(zhǎng)時(shí)間的訓(xùn)練。這表明相對(duì)被忽視的多步驟程序解釋可能一直是更重要的解釋。

寶寶起名 起名