分享主题
从传统神经网络的角度解读Geoffrey Hinton的Capsule模型

分享背景

近几年，“深度学习之父”Geoffrey Hinton多次公开表示，认为卷积神经网络、反向传播算法存在不合理之处，提倡研究者们在深度学习之上积极探索人工智能的新理论体系，并率先提出了capsule理念。近日，随着论文《Dynamic Routing Between Capsules》在arXiv上的放出以及另一篇仍处于盲审状态的论文《matrix capsules with EM routing》在网上的流传，Hinton的capsule计划再度引发了热议。本次分享人作为全球第一个将capsNet模型复现代码发布到github的作者，将通过与传统神经网络的对比来深入解读capsule模型。

分享大纲

• capsule概念提出的背景
• capsule模型与传统神经元的比较
• 参数更新算法routing-by-agreement的分析
• capsNet模型与卷积/全连接神经网络的比较
• 讨论：论文的贡献及可改进之处
• 核心算法的代码剖析