В данном документе рассматривается применение Triplet функции ошибок для обучения нейронных сетей, а именно для задачи классификации цифр из набора MNIST.
Реферат включает:
- Обзор архитектур сиамской и триплет нейронных сетей, их принцип действия и особенности построения.
- Подробное описание функции потерь Contrastive Loss и Triplet Loss, используемых для оптимизации расстояний между эмбеддингами.
- Реализацию триплетной сети на базе PyTorch с использованием сверточной архитектуры (CNN) для формирования эмбеддингов.
- Процесс формирования триплетов (анкор, позитив и негатив) с использованием случайных подвыборок.
- Экспериментальные результаты, включающие визуализацию двумерных эмбеддингов, а также точность работы последующего FeedForward классификатора.
Подробнее с текстом работы можно ознакомиться в прилагаемом PDF-файле.