Reemplazo de la función de pooling de redes neuronales convolucionales por combinaciones lineales de funciones crecientes

Las redes convolucionales llevan a cabo un proceso automatico de extracción y fusión de características mediante el cual obtienen la información más relevante de una imagen dada. El proceso de submuestreo mediante el cual se fusionan características localmente próximas, conocido como ‘pooling’, se lleva a cabo tradicionalmente con funciones sencillas como el máximo o la media aritmética, ignorando otras opciones muy populares en el campo de la teoría de agregaciones. En este trabajo proponemos reemplazar dichas funciones por otra serie de ordenes estadísticos, así como por la integral de Sugeno y una nueva generalización de la misma. Además, basándonos en trabajos que emplean la combinación convexa del máximo y la media, presentamos una nueva capa que permite combinar varias de las nuevas agregaciones, mejorando sus resultados individuales.Este trabajo ha sido financiado por los proyectos de investigación PID2019-108392GB-I00 (AEI/10.13039/501100011033) de la Agencia Estatal de Investigación, PC095-096 FUSIPROD y P18-FR-4961