[论文阅读]Deeply-Supervised Nets我们提出的深度监督网络(DSN)方法在最小化分类误差的同时,使隐藏层的学习过程更加直接和透明。我们尝试通过研究深度网络中的新公式来提升分类性能。我们关注卷积神经网络(CNN)架构中的三个方面:(1)中间层对整体分类的透明性;(2)学习特征的区分性和鲁棒性,特别是在早期层;(3)由于梯度爆炸和梯度消失问题,训练效果的有效性。我们引入了“伴随目标”,除了输出层的整体目标外,还为每个隐藏层引入了独立的目标(这与逐层预训练策略不同)。我们扩展了随机梯度方法中的技术来分析我们的算法。我们方法的优势显而易见,实验结果