如何提取网络架构的先验知识?为它画幅素描吧!( 五 )

「速写」的要求

为了针对这些模块化网络优化我们的方法,我们明确定义了几个网络「速写」应该满足的性质:

「速写」间的相似性:两个不相关的网络操作(无论从模块本身还是向量属性来说)的「速写」应当是非常不同的;同理,两个相似网络计算的「速写」应该很相像近。

属性恢复:属性向量(即图中任何结点的激活函数值),都可以根据顶层「速写」大致恢复。

概要统计量:如果有多个相似的物体,我们可以恢复出这些物体的概要统计量。比如,如果一张图像中有多只猫,那么我们可以数出有多少只。请注意,这些问题在训练中是不会出现的。

可擦除性:擦除顶层「速写」的后缀仍可以保留以上特性(但会稍微增大误差)。

网络恢复:给定足够多的(输入,「速写」)对,可以粗略地会付出网络边的连接方式以及「速写」函数。

如何提取网络架构的先验知识?为它画幅素描吧!

推荐阅读