Synthesizing the preferred inputs for neurons in neural networks via deep genetator networks

2017-02-18

摘要

理解神经网络的内部是如何运行的一种方法是研究它的每个神经元学会检测了什么。这样的一种方法叫做激活最大化（AM），这种方法合成高度激活神经元的输入（例如，图像什么意思，合成输入到什么里的输入？）。在本文，我们通过利用一个强大的，学习过的先验：DGN，大大将AM的定性状态提高到目前最好。算法（1）生成定性的最先进的合成图像，图像看起来像真的（2）以可解释的方式揭示每个神经元学习的特征（3）对于新的数据集泛化能力好，并且对不同的网络架构在不用重新学习先验的情况下有一定的好的泛化能力（4）可以被认为是高质量的生成方法（在这种情况下，通过生成新颖，有创意，可识别的图像）。
1 简介和相关工作