版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、深度學(xué)習(xí)近年來(lái)受到了越來(lái)越多的關(guān)注,其主要特點(diǎn)是利用不同的機(jī)器學(xué)習(xí)方法,在一個(gè)多層次的非線性變換系統(tǒng)中,通過(guò)不斷對(duì)低層特征進(jìn)行抽象,從而實(shí)現(xiàn)表征學(xué)習(xí)的任務(wù)。
在眾多的深度學(xué)習(xí)系統(tǒng)中,Itamar[6,7]等人提出的深度時(shí)空推理網(wǎng)絡(luò),其出發(fā)點(diǎn)是模擬人腦的新皮層的工作機(jī)制,并在訓(xùn)練過(guò)程中,結(jié)合了無(wú)監(jiān)督學(xué)習(xí)和貝葉斯推理。這種既具有生物學(xué)證據(jù)又有良好數(shù)學(xué)理論支撐的模型,在不同的測(cè)試中均展現(xiàn)出其非凡的應(yīng)用潛力,然而在將這種潛力轉(zhuǎn)化為真實(shí)
2、的能力之前,仍有若干關(guān)鍵問(wèn)題亟待解決:
1.現(xiàn)有的DeSTIN對(duì)帶有噪聲靜態(tài)圖片進(jìn)行特征提取時(shí),特征會(huì)出現(xiàn)跳躍性更新,網(wǎng)絡(luò)的噪聲魯棒性較差。
2.由于缺乏對(duì)特征之間轉(zhuǎn)換關(guān)系的表征,現(xiàn)有DeSTIN無(wú)法適應(yīng)對(duì)視頻序列的特征提取。
基于上述研究背景,我們?cè)贒eSTIN網(wǎng)絡(luò)特征提取方面作了一系列研究,本文工作的意義在于提出了一套行之有效的新理論、新方法,系統(tǒng)地論述了1)如何提高DeSTIN網(wǎng)絡(luò)在噪聲環(huán)境下的噪聲魯
3、棒性的解決方案2)如何利用DeSTIN網(wǎng)絡(luò)對(duì)視頻序列進(jìn)行特征提取的關(guān)鍵技術(shù)。
具體來(lái)說(shuō),本文主要提出了以下創(chuàng)新性方法:
1.基于online EM的DeSTIN算法:為了進(jìn)一步提升DeSTIN的性能,尤其是噪聲魯棒性,使用Online Expectation-Maximization來(lái)替代DeSTIN中原有的無(wú)監(jiān)督聚類(lèi)方法,從而得到一種改進(jìn)的深度神經(jīng)網(wǎng)絡(luò)EM DeSTIN。通過(guò)理論分析,我們證明了新的在線聚類(lèi)方法可以
4、使得EM-DeSTIN具有更好的收斂性和穩(wěn)定性;而通過(guò)在數(shù)據(jù)集MNIST上的實(shí)驗(yàn)也進(jìn)一步證明了EM-DeSTIN相對(duì)于DeSTIN和一些主流的深度系統(tǒng)而言,在噪聲魯棒性和識(shí)別準(zhǔn)確率上都有了較大的提升。
2.融合Ma rkov的DeSTIN算法:鑒于現(xiàn)有的DeSTIN只能很好的提取靜態(tài)圖片,對(duì)于動(dòng)態(tài)的視頻序列無(wú)法表征序列元素之間的轉(zhuǎn)換關(guān)系。本文針對(duì)此難題,我們提出了一種融合Markov的DeSTIN算法(Markov DeSTI
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于CUDA架構(gòu)的深度時(shí)空推理網(wǎng)絡(luò).pdf
- 深度時(shí)空推理網(wǎng)絡(luò)中的相變現(xiàn)象及其抗噪性能研究.pdf
- OWL規(guī)則擴(kuò)展及其推理的應(yīng)用研究.pdf
- 時(shí)空擴(kuò)展對(duì)象模型及其在自動(dòng)導(dǎo)航中的應(yīng)用.pdf
- GSM網(wǎng)絡(luò)小區(qū)擴(kuò)展覆蓋技術(shù)的研究與應(yīng)用.pdf
- 可擴(kuò)展智能推理及其在中醫(yī)舌診中的應(yīng)用.pdf
- 基于規(guī)則的SDG擴(kuò)展推理引擎的研究與開(kāi)發(fā).pdf
- 深度卷積網(wǎng)絡(luò)預(yù)訓(xùn)練策略的研究與應(yīng)用.pdf
- 二型模糊深度信念網(wǎng)絡(luò)的研究與應(yīng)用.pdf
- 基于復(fù)雜網(wǎng)絡(luò)的SIR模型擴(kuò)展與應(yīng)用研究.pdf
- 基于非單調(diào)能力擴(kuò)展的本體推理與查詢(xún)研究.pdf
- 擴(kuò)展模糊描述邏輯及其推理技術(shù).pdf
- 貝葉斯網(wǎng)絡(luò)-案例推理混合建模與應(yīng)用.pdf
- 信息物理融合系統(tǒng)的時(shí)空分析及推理.pdf
- 物流時(shí)空網(wǎng)絡(luò)分析模型的構(gòu)建與應(yīng)用研究.pdf
- 基于深度包檢測(cè)的網(wǎng)絡(luò)應(yīng)用識(shí)別與流量控制.pdf
- 深度脈沖神經(jīng)網(wǎng)絡(luò)及其應(yīng)用.pdf
- 指針邏輯的擴(kuò)展與應(yīng)用.pdf
- 基于協(xié)同學(xué)的深度協(xié)同神經(jīng)網(wǎng)絡(luò)研究與應(yīng)用.pdf
- 面向動(dòng)態(tài)場(chǎng)景理解的時(shí)空深度學(xué)習(xí)算法.pdf
評(píng)論
0/150
提交評(píng)論