《多視圖張量學習理論、算法及在腦機接口中的套用》是依託上海交通大學，由趙啟斌擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：多視圖張量學習理論、算法及在腦機接口中的套用
- 項目類別：青年科學基金項目
- 項目負責人：趙啟斌
- 依託單位：上海交通大學
項目摘要,結題摘要,
項目摘要
張量分解近年來得到廣泛的關注和研究，並成功套用在神經圖像信號處理，計算機視覺，信息壓縮等領域。但目前研究主要集中在對單個張量的分解模型，理論和算法上。本項目研究多個高階複雜張量數據的多視圖學習模型，提出基於張量子空間分解和公共隱變數提取的多線性回歸方法，並提出多張量稀疏分解的最佳化準則和相應的快速學習算法，解決稀疏性張量子空間回歸中的有關理論問題，如計算效率，穩定性和收斂性問題。研究基於張量多視圖學習模型的特徵分析與識別方法，通過在腦機接口套用中對高噪聲、多干擾EEG信號的特徵分析來討論該方法在多視圖測量信息一致性問題，多視圖測量數據的特徵分析，小樣本和過擬合問題，對噪聲的魯棒性，物理意義的解釋等方面的優點。研究張量多視圖學習理論在複雜數據空間結構的特徵分析，神經科學中數據融合技術，計算機視覺與信息壓縮方面都有極其重要的理論價值和套用前景。
結題摘要
張量數據表征，張量分解，以及基於張量的機器學習理論近年來得到了廣泛的關注與研究，並且逐步被成功套用在各種不同的領域， 如神經圖像信息處理， 計算機視覺， 大數據處理等等。相對於傳統的基於矩陣數據與線性代數的機器學習方法，基於張量的機器學習理論與算法還不夠成熟， 阻礙了其優勢的發揮與套用範圍。 本項目主要針對張量分解的若干關鍵核心理論問題進行了深入的研究，研究內容包括：（1）基於張量數據的多線性回歸，分類的模型、理論與算法； （2）考慮了非線性模型與核機器理論，研究了多種基於張量的非線性回歸以及分類方法， 該研究首次提出了張量的機率核概念，建立了一種通用框架， 使得傳統的各種非線性分類與回歸算法能夠輕鬆擴展到張量數據上。 （3）建立了機率模型下的多種張量分解模型，與推理算法，並成功套用於解決自動秩估計，模型選擇，低秩分解，不完整數據的補全， 以及魯棒性張量分解等各種關鍵問題上。 模型學習採用了全貝葉斯推理算法，該研究成果得到了國際同行的高度認可與引用， 並套用於各種領域，如圖像補齊，視頻分離，異常數據檢測，腦圖像信號去噪等。（4）針對多視圖張量數據的同時分解理論與算法，並成功套用在公共與各自特徵的分組提取，不完整的多視圖數據的補全等套用領域。（5）在腦數據處理與腦機接口套用中採用了張量學習方法，顯著提高了腦機接口系統的性能。在本項目的資助下，共發表學術論文24篇，其中期刊論文14篇，國際會議論文9篇，專著章節1篇。
