O que os termos "denso" e "esparso" significam no contexto de redes neurais?

Respostas:

16

Em matemática, "esparso" e "denso" geralmente se referem ao número de elementos zero versus diferentes de zero em uma matriz (por exemplo, vetor ou matriz). Uma matriz esparsa é aquela que contém principalmente zeros e poucas entradas diferentes de zero. Uma matriz densa contém principalmente zeros.

Não existe um limite rígido para o que conta como escasso; é um termo solto, mas pode ser mais específico. Por exemplo, um vetor ék-para se contém no máximo kentradas diferentes de zero. Outra maneira de dizer isso é que o vetor é0 norma é k.

O uso desses termos no contexto de redes neurais é semelhante ao uso em outros campos. No contexto das NNs, coisas que podem ser descritas como esparsas ou densas incluem as ativações de unidades dentro de uma camada específica , os pesos e os dados . Pode-se também falar sobre "conectividade esparsa", que se refere à situação em que apenas um pequeno subconjunto de unidades está conectado . Este é um conceito semelhante aos pesos esparsos, porque uma conexão com peso zero é efetivamente desconectada.

"Matriz esparsa" também pode se referir a uma classe de tipos de dados que são eficientes para representar matrizes esparsas. Este é um conceito dentro do domínio das linguagens de programação. Está relacionado, mas distinto do conceito matemático.

user20160
fonte
5
Eu acho que seria útil dar um exemplo do uso de "esparso" e "denso" no contexto de NNs. Você poderia, por exemplo, mencionar alguma arquitetura NN que usa camadas densa e esparsa para realizar alguma tarefa. Você pode explicar por que as camadas densa e esparsa são usadas. Penso que isto melhoraria definitivamente a clareza e a exaustividade da sua resposta.
Nvr