《低秩表示的深度神經網路方法》是依託四川大學,由陳杰擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名:低秩表示的深度神經網路方法
- 項目類別:青年科學基金項目
- 項目負責人:陳杰
- 依託單位:四川大學
《低秩表示的深度神經網路方法》是依託四川大學,由陳杰擔任項目負責人的青年科學基金項目。
《低秩表示的深度神經網路方法》是依託四川大學,由陳杰擔任項目負責人的青年科學基金項目。項目摘要大數據表示是大數據分析最核心的環節之一。眾所周知,稀疏表示和低秩表示是數據線性表示的兩大著名數據表示方法。面對日益複雜的大數據...
本書關注經典的稀疏/低秩模型與強調問題特定的先驗性和可解釋性的深度網路模型的集成,從而提高模型的學習能力和可解釋性,同時更有效地利用大數據。書中展示了深度學習工具箱與稀疏/低秩模型和算法的緊密聯繫,並介紹了這些技術在維度約簡...
根據不同任務的模型參數的關聯方式,我們可將其分成 5 種方法,包括低秩方法、任務聚類方法、任務關係學習方法、髒方法(dirty approach)和多層次方法。具體而言,因為假設任務是相關的,所以參數矩陣 W 很可能是低秩的,這是低秩方法提出...
低秩表示理論作為一種新的稀疏表示技術,能夠充分挖掘數據本身蘊含的結構信息,已經引起了科研人員的廣泛關注。研究工作主要包括:(1)我們設計了一系列基於稀疏低秩表示理論的特徵提取算法;(2)我們設計了一系列基於稀疏低秩表示理論的字典學...
總體上說,本項目在稀疏低秩的正則化設計和套用研究取得了一定的研究成果,推動稀疏低秩在圖像視頻處理與信號處理領域的套用,在基於相關濾波及深度學習的視頻處理領域也取得了初步的成果,為未來幾年對基於深度學習的圖像視頻處理領域的研究...
實際套用中輸入數據不完整,高噪聲和規模大給已有的排序融合方法帶來了重要挑戰。本課題擬研究基於低秩矩陣學習的排序融合方法。首先,擬提出用低秩矩陣來建模待排序對象間的先後序關係,並用結構化稀疏的矩陣來建模對象關係中的噪聲結構;...
然後,項目組提出了一種基於塊稀疏結構的低秩通用表示學習方法,首次將低秩表示套用於了單樣本人臉識別領域,並同時利用了測試數據集的結構信息和通用數據集的變化信息,解決了單樣本情況下單張人臉圖像無法描述其所對應的子空間和低秩過程...
在超解析度重建算法中引入基於局部低秩表達,實現對表達樣本的多流形聚類,使得算法對輸入的噪聲等干擾信息具有良好的魯棒性,相比對比算法提升了PSNR值0.58db,解決了傳統方法對輸入噪聲、干擾敏感、先驗表達偏移導致的重建精度下降問題。
1. 國家自然科學基金青年項目,數據表達的低秩約束深度神經網路方法,2018/1-2020/12,主持 1. 國家科技重大專項子課題任務,流感多時空多尺度傳播動力學模型及套用體系構建,2018/1-2020/12,主持 2. 四川省套用基礎研究項目,面向視頻分析...
本書簡要介紹了模式識別的基本概念,以模式表示為切入點,針對近20年來模式識別領域研究的熱點問題,系統闡述了線性子空間表示、非線性子空間表示、流形學習、稀疏表示、低秩模型、深度學習等方面的研究進展和相關代表性方法。