受限的玻爾茲曼機在背景建模和文本建模中的研究與應(yīng)用.pdf

1、背景建模和文本建模分別是計算機視覺和自然語言處理兩個人工智能領(lǐng)域關(guān)注的重點基礎(chǔ)問題。這兩個方向都是現(xiàn)今人工智能發(fā)展的前沿。
　　背景建模旨在為視頻序列生成一組穩(wěn)定的背景，是前景檢測、視頻監(jiān)控等應(yīng)用的基礎(chǔ)。傳統(tǒng)的背景建模模型往往關(guān)注局部信息的利用，而實際上，在真實的復(fù)雜視頻中，全局信息變化廣泛存在，大到光照變化，小到物體陰影都隨著時間發(fā)生變化。因此本文利用受限玻爾茲曼機針對全局信息進行建模，針對視頻中相鄰的兩幀圖片學(xué)習(xí)到視頻的背景，

2、并且設(shè)計了一種自適應(yīng)的正則化項，能夠強迫模型生成的背景保持穩(wěn)定，也就使得模型能夠準確找到背景信息。這是首次有科研工作將受限玻爾茲曼機應(yīng)用于背景建模任務(wù)中。
　　文本建模關(guān)注的是從文本中提取有用的信息，是自然語言處理領(lǐng)域的最常見的一類基礎(chǔ)任務(wù)。本文關(guān)注的是近年來備受學(xué)術(shù)界關(guān)注的詞向量模型工具包word2vec。目前，針對word2vec工具的解釋尚缺嚴謹和充分的研究。由受限的玻爾茲曼機啟發(fā)，本文設(shè)計了一種基于矩陣分解的模型——顯式矩