版權(quán)說明:本文檔由用戶提供并上傳,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、隨著深度學(xué)習(xí)模型在多領(lǐng)域的成功應(yīng)用,基于規(guī)則化的深度神經(jīng)網(wǎng)絡(luò)得到了迅猛發(fā)展,即在深度學(xué)習(xí)模型最終優(yōu)化的目標(biāo)函數(shù)(損失函數(shù))中加入了一些規(guī)則化項(xiàng),使得最終訓(xùn)練得到的特征更有益于后續(xù)的應(yīng)用。但就分類任務(wù)而言,當(dāng)前規(guī)則化方法的性能面臨著嚴(yán)重的挑戰(zhàn)。
針對(duì)上述問題,本論文就分類任務(wù),設(shè)計(jì)了一種新穎的規(guī)則化方法,它整合了標(biāo)記樣本和無標(biāo)記樣本中的局部和非局部約束信息,通過利用這些信息來提取那些能夠有效保留原始樣本空間中的類別可分性的抽象特
2、征。對(duì)于標(biāo)記樣本,利用類標(biāo)簽來定義局部和非局部的信息,然后通過最小化類內(nèi)緊密性(局部性)和最大化類間可分性(非局部性)來獲得拓?fù)湟?guī)則化項(xiàng)。對(duì)于無標(biāo)記樣本,使用一個(gè)樣本到其他樣本的平均距離作為閾值來判定它的鄰居和非鄰居樣本,然后這個(gè)拓?fù)湟?guī)則化項(xiàng)就是同時(shí)最大化非局部散度和最小化局部散度。通過整合標(biāo)記樣本和無標(biāo)記樣本的局部和非局部拓?fù)湟?guī)則化項(xiàng),判別規(guī)則化項(xiàng)能夠提取那些更適合分類的特征。
綜上所述,本文提出的基于局部和非局部規(guī)則化的半
溫馨提示
- 1. 本站所有資源如無特殊說明,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)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 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. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(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
- 基于局部學(xué)習(xí)的半監(jiān)督分類問題研究.pdf
- 基于局部敏感哈希和支持向量機(jī)的半監(jiān)督增量學(xué)習(xí)研究.pdf
- 基于局部泛化誤差的半監(jiān)督圖像檢索方法.pdf
- 基于半監(jiān)督和深度學(xué)習(xí)的生物實(shí)體關(guān)系抽取.pdf
- 基于非局部約束和樣例學(xué)習(xí)的圖像復(fù)原.pdf
- 基于局部與非局部相似性學(xué)習(xí)的目標(biāo)跟蹤算法研究.pdf
- (5)規(guī)則化和模型選擇.pdf
- 基于局部水平集和非局部MRF的SAR圖像分割方法.pdf
- 算子半群和非局部抽象柯西問題.pdf
- 基于非局部均值和非局部TV的圖像去噪方法研究.pdf
- 基于半監(jiān)督SVM的非平衡學(xué)習(xí).pdf
- 基于局部字典學(xué)習(xí)的非局部稀疏模型及圖像去噪應(yīng)用.pdf
- 基于非局部塑性理論的剪切帶局部化有限元分析.pdf
- 基于非局部稀疏模型的最小字典學(xué)習(xí).pdf
- 基于深度學(xué)習(xí)和半監(jiān)督聚類的入侵防御技術(shù)研究.pdf
- 基于稀疏學(xué)習(xí)和深度極限學(xué)習(xí)機(jī)的極化SAR圖像半監(jiān)督分類.pdf
- 基于半監(jiān)督和局部降維的多標(biāo)記數(shù)據(jù)分類.pdf
- 基于局部與非局部先驗(yàn)的影像超分辨重建算法研究.pdf
- 基于雙邊和非局部的極化SAR降斑.pdf
- 基于非負(fù)稀疏圖的半監(jiān)督學(xué)習(xí).pdf
評(píng)論
0/150
提交評(píng)論