Представена е алтернатива на традиционните невронни мрежи

Капсулните мрежи в редица случаи превъзхождат традиционните невронни мрежи, счита техният създател. Новата технология изисква по-малко данни за разпознаване на обектите в нови ситуации.

Специалистът на Google Джефри Хинтън търси начин да намали огромният обем от данни, необходим за обучението на традиционните невронни мрежи. Той създаде капсулни невронни мрежи и публикува научната работа в arXlv и OpenReview,

В новият тип невронни мрежи се използват малки групи виртуални неврони, наречени капсули. Капсулите от своя страна съставят слоеве за идентификация на обектите във видеата и изображенията. Когато няколко капсули от един и същи слой вземат еднакво решение, те активират друга капсула, намираща се на по-високо ниво. Този процес продължава докато мрежата не направи окончателен извод, какво точно вижда. Всяка отделна капсула е проектирана по такъв начин, че разпознава отделен признак в изображенията и го разпознава в различните сценарии. Например, един и същи обект, заснет под различен ъгъл.

Хинтън твърди, че благодарение на този подход са необходими по-малко данни за разпознаване на обектите в нови ситуации.

При разпознаването на писмен текст капсулните мрежи не изостават от традиционните, но при разпознаването на видени по-рано обекти, но показани под друг ъгъл, новите невронни мрежи са по-бързи и допускат по-малко грешки.