一.文献名字和作者
Neural Decision Forests for Semantic Image Labelling， CVPR2014
二.阅读时间
2014年10月9日
三.文献的贡献点
文章主要是将多层感知机作为决策树的分支结点，并提出了用于防止多层感知器Overfitting的方法：随机选择输入，基于数据复杂度的网络拓扑结构和L1范式的权重规范化。
通过使用多层感知机作为分支结点，可以有效的自动学习数据的非线性特征，有利于提升分类的正确率。为了将感知机融合进决策树中，作者也提出了描述分支结点的概率模型，和一个用于训练整个模型的优化函数，数学推导非常多。但是，这篇文章并没有给出一个图来描述整个模型的框架。
在需要使用到这部分内容的时候，需要深入研究下里面的推导过程。
版权所有，欢迎转载，转载请注明出处，谢谢