Naar inhoud
BetaAI Begrippen

AI-begrippen in gewone taal. Zoek een begrip, blader op letter of filter op onderwerp.

Capsule neural network (CapsNet)

Engels: Capsule neural network (CapsNet) · Ook wel: CapsNet, capsule network, capsule net

In het kort

Een capsule neural network (CapsNet) is een kunstmatig neuraal netwerk dat verbanden tussen delen en een geheel modelleert. Capsules, kleine groepen neuronen, melden per onderdeel de kans dat het aanwezig is en de stand, zoals plaats, grootte en draaiing, waarna hogere capsules daaruit het geheel bouwen. Zo herkent het systeem een gezicht of een handgeschreven cijfer ook wanneer de onderdelen iets verschoven of gedraaid zijn.

Waarom is dit belangrijk?

Met een capsule neural network kan beeldherkenning patronen leren uit minder voorbeelden en blijft die herkenning bruikbaar bij vervuilde of vervormde beelden. In de zorg onderzoeken wetenschappers dit bij weefselindeling, het opsporen van afwijkingen en het afbakenen van organen. Patiënten merken er in het ziekenhuis nog weinig van, want de berekening kost veel rekenkracht en invoering in ziekenhuizen blijft zeldzaam.

Zo werkt het in de praktijk

Onderzoekers gebruiken een capsule neural network voor schade aan wentellagers in de werktuigbouw. Oak Ridge National Laboratory beschrijft zo'n netwerk voor fouten in hoogspanningslijnen. De studie test het op een stroomnetmodel en op metingen uit een echt net.

Onderzoekers van Imperial College London vragen hoe capsule neural networks beter schalen. Een overzicht noemt werk aan video, tekstclassificatie en vervalste beelden. De koppeling tussen lagen lijkt op self-attention in transformers, een stap die weegt welke invoer telt.

Hogere capsules sluiten aan bij twee werkwijzen uit digitale beeldbewerking. De Hough-transformatie en RANSAC zoeken een stabiel patroon in losse metingen. Capsules versterken signalen die dezelfde vorm steunen en laten uitschieters weg.

Bron: en.wikipedia.org

Gecontroleerd op 23 oktober 2026