• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议> >A Deep Neural Network for Finger Counting and Numerosity Estimation
【24h】

A Deep Neural Network for Finger Counting and Numerosity Estimation

机译：用于手指计数和净度估计的深度神经网络

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In this paper, we present neuro-robotics models with a deep artificial neural network capable of generating finger counting positions and number estimation. We first train the model in an unsupervised manner where each layer is treated as a Restricted Boltzmann Machine or an autoencoder. Such a model is further trained in a supervised way. This type of pre-training is tested on our baseline model and two methods of pre-training are compared. The network is extended to produce finger counting positions. The performance in number estimation of such an extended model is evaluated. We test the hypothesis if the subitizing process can be obtained by one single model used also for estimation of higher numerosities. The results confirm the importance of unsupervised training in our enumeration task and show some similarities to human behaviour in the case of subitizing.
机译：在本文中，我们介绍了具有深度人工神经网络的神经机器人模型，该神经网络能够生成手指计数位置和数量估计。我们首先以无监督的方式训练模型，其中每一层都被视为受限的玻尔兹曼机或自动编码器。以监督的方式进一步训练这种模型。在我们的基准模型上测试了这种类型的预训练，并比较了两种预训练方法。网络被扩展以产生手指计数位置。评估了这种扩展模型的数量估计性能。我们是否可以通过一个用于估计较高数字的单一模型来获得替代过程的假设，因此我们对此进行了检验。结果证实了无监督训练在我们的枚举任务中的重要性，并在子化的情况下显示了与人类行为的一些相似之处。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号