计算机科学
計算機科學
계산궤과학
Computer Science
2015年
9期
56-60,65
,共6页
王雅思%姚鸿勋%孙晓帅%许鹏飞%赵思成
王雅思%姚鴻勛%孫曉帥%許鵬飛%趙思成
왕아사%요홍훈%손효수%허붕비%조사성
深度学习%表达转换%数据降维%单层自编码器
深度學習%錶達轉換%數據降維%單層自編碼器
심도학습%표체전환%수거강유%단층자편마기
Deep learning%Representation transformation%Dimensionality reduction%Single-layer auto-encoder
近年来,深度学习框架和非监督学习方法越来越流行,吸引了很多机器学习和人工智能领域研究者的兴趣.从深度学习中的“构造模块”入手,主要研究自编码器的表达能力,尤其是自编码器在数据降维方面的能力及其表达能力的稳定性.从深度学习的基础方法入手,旨在更好地理解深度学习.第一,自编码器和限制玻尔兹曼机是深度学习方法中的两种“构造模块”,它们都可用作表达转换的途径,也可看作相对较新的非线性降维方法.第二,重点探究了对于视觉特征的理解,自编码器是否是一个好的表达转换途径.主要评估了单层自编码器的表达能力,并与传统方法PCA进行比较.基于原始像素和局部描述子的实验验证了自编码器的降维作用、自编码器表达能力的稳定性以及提出的基于自编码器的转换策略的有效性.最后,讨论了下一步的研究方向.
近年來,深度學習框架和非鑑督學習方法越來越流行,吸引瞭很多機器學習和人工智能領域研究者的興趣.從深度學習中的“構造模塊”入手,主要研究自編碼器的錶達能力,尤其是自編碼器在數據降維方麵的能力及其錶達能力的穩定性.從深度學習的基礎方法入手,旨在更好地理解深度學習.第一,自編碼器和限製玻爾玆曼機是深度學習方法中的兩種“構造模塊”,它們都可用作錶達轉換的途徑,也可看作相對較新的非線性降維方法.第二,重點探究瞭對于視覺特徵的理解,自編碼器是否是一箇好的錶達轉換途徑.主要評估瞭單層自編碼器的錶達能力,併與傳統方法PCA進行比較.基于原始像素和跼部描述子的實驗驗證瞭自編碼器的降維作用、自編碼器錶達能力的穩定性以及提齣的基于自編碼器的轉換策略的有效性.最後,討論瞭下一步的研究方嚮.
근년래,심도학습광가화비감독학습방법월래월류행,흡인료흔다궤기학습화인공지능영역연구자적흥취.종심도학습중적“구조모괴”입수,주요연구자편마기적표체능력,우기시자편마기재수거강유방면적능력급기표체능력적은정성.종심도학습적기출방법입수,지재경호지리해심도학습.제일,자편마기화한제파이자만궤시심도학습방법중적량충“구조모괴”,타문도가용작표체전환적도경,야가간작상대교신적비선성강유방법.제이,중점탐구료대우시각특정적리해,자편마기시부시일개호적표체전환도경.주요평고료단층자편마기적표체능력,병여전통방법PCA진행비교.기우원시상소화국부묘술자적실험험증료자편마기적강유작용、자편마기표체능력적은정성이급제출적기우자편마기적전환책략적유효성.최후,토론료하일보적연구방향.
