检索结果-南通市图书馆

A systematic review of structured sparse learning

Frontiers of Information Technology & Electronic Engineering 2017年第4期18卷 445-463页

作者： Lin-bo QIAO Bo-feng ZHANG Jin-shu SU Xi-cheng LU College of Computer National University of Defense Technology Changsha 410073 China National Laboratory for Parallel and Distributed Processing National University of Defense Technology Changsha 410073 China

稀疏学习由于其简约特性和计算优势而获得了越来越多的关注,在具有稀疏性的条件下,许多计算问题可以在实践中得到有效的处理。而结构化稀疏学习则进一步将结构信息进行编码,在多个研究领域取得成功。随着各类型结构的发现,人们相继提出... 详细信息

稀疏学习由于其简约特性和计算优势而获得了越来越多的关注,在具有稀疏性的条件下,许多计算问题可以在实践中得到有效的处理。而结构化稀疏学习则进一步将结构信息进行编码,在多个研究领域取得成功。随着各类型结构的发现,人们相继提出了各种结构化正则函数。这些正则函数通过利用特定的结构信息极大提高了稀疏学习算法的性能。在本文中,我们从想法、形式化、算法和应用等方面系统的回顾了结构化稀疏学习。我们将这些算法置于最小化损失函数和惩罚函数的统一框架中,总结了算法的开源软件实现,并比较了典型优化算法解决结构化稀疏学习问题时的计算复杂度。在实验中,我们给出了无监督学习在结构化信号恢复和层次化图像重建中的应用,以及具有图结构引导的逻辑回归的在监督学习中的应用。

关键词：结构化稀疏学习算法应用

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于统计学习的影像遗传学方法综述

引用

自动化学报 2018年第1期44卷 13-24页

作者：郝小可李蝉秀严景文沈理张道强南京航空航天大学计算机科学与技术学院印第安纳大学医学院美国印第安纳波利斯46202

近年来随着多模态神经影像技术和基因检测技术的发展,影像遗传学这一交叉学科的研究能够运用脑影像技术将人类大脑的结构与功能作为表型来评价基因对个体的影响,使得人们可以在脑的宏观结构上以更客观的测量手段理解基因对行为或精神疾... 详细信息

近年来随着多模态神经影像技术和基因检测技术的发展,影像遗传学这一交叉学科的研究能够运用脑影像技术将人类大脑的结构与功能作为表型来评价基因对个体的影响,使得人们可以在脑的宏观结构上以更客观的测量手段理解基因对行为或精神疾病的影响.而统计学习方法作为基于数据驱动的关联分析强有力工具,能够充分利用生物标志数据内在的结构信息构建模型来分析易感基因与大脑结构或者功能的相关性,从而更好地揭示脑认知行为或者相关疾病的产生机制.本文首先简要介绍了影像遗传学的研究背景和基本原理,然后回顾了单变量方法在影像遗传学研究中的应用,随后对基于多变量统计学习的基因–影像关联的研究思路和建模方法进行了归纳总结,最后对遗传影像学的未来研究发展方向进行了分析和展望.

关键词：影像遗传学统计学习结构化稀疏学习多变量分析关联分析

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

稀疏卷积神经网络用于低成本图像分类系统

引用

电光与控制 2021年第2期28卷 7-11页

作者：冯思镒赵田锋陈诚李岩许红梅长春理工大学长春130000

传统卷积神经网络大量的计算及内存需求使嵌入式设备智能应用的开发成为挑战,为尝试将高度复杂的深度学习应用与性能有限的低成本嵌入式平台相结合,设计了一款小型嵌入式图像分类系统。实验基于结构化稀疏学习算法在Caffe框架下构建结... 详细信息

传统卷积神经网络大量的计算及内存需求使嵌入式设备智能应用的开发成为挑战,为尝试将高度复杂的深度学习应用与性能有限的低成本嵌入式平台相结合,设计了一款小型嵌入式图像分类系统。实验基于结构化稀疏学习算法在Caffe框架下构建结构稀疏卷积神经网络模型,将其部署在工业派(IndustriPi)最小化系统上,通过测试得到了85.5%的准确率和处理实时影像时不小于8帧/s的运行速度。与经典模型相比,通过稀疏学习后的网络模型很大程度上减少了计算量和内存占用率,提高了低成本嵌入式设备的运行速度。

关键词：图像分类嵌入式系统深度学习卷积神经网络结构化稀疏学习

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于稀疏表示的立体图像质量评价方法研究

基于稀疏表示的立体图像质量评价方法研究

引用

作者：韩旭天津大学

学位级别：硕士

随着立体成像技术的发展,立体图像逐步走进人们的生活,但观看质量不好的立体图像会引起人们心理和生理上的不适,这严重限制了立体成像技术的发展,因此找到一种能够系统有效的评价立体图像质量的算法已成为了相关领域的研究热点。论文的... 详细信息

随着立体成像技术的发展,立体图像逐步走进人们的生活,但观看质量不好的立体图像会引起人们心理和生理上的不适,这严重限制了立体成像技术的发展,因此找到一种能够系统有效的评价立体图像质量的算法已成为了相关领域的研究热点。论文的主要工作如下:第一,论文提出了一种基于自适应的融合图像与集成学习的立体图像评价算法。首先考虑到增益控制和增益增强等人眼视觉机制,模拟双目视觉信息在视觉通路中的融合过程,将立体图像左右视图融合成融合图像,该融合图像考虑了左右视图线性与非线性的融合情况,适用于对称与非对称失真立体图像的融合,是一种自适应的融合图像模型。此外,考虑到视觉显著机制,采用显著图优化所得融合图像,提升质量评价效果。为了去除融合图像中的冗余信息,采用稀疏表示算法提取融合图像中的关键特征。最后为了达到更好的特征回归效果,采用集成学习算法对提取到的稀疏特征进行回归,得到立体图像质量分数,与单个回归器相比,集成学习可以提升2%的模型回归性能。第二,论文提出了一种基于稀疏的双目融合卷积神经网络的立体图像质量评价算法。网络模拟了双目视觉信息从视网膜到视觉皮质的复杂的融合处理与质量感知过程。通过网络中左右视图的四次融合模拟双目视觉信息在人脑中长期复杂的融合过程;通过网络中的多卷积层与多支路模拟视觉信息在人脑中分层并行的处理过程;通过网络最后的全连接层模拟人脑对经融合处理后的双目视觉信息的质量感知过程。此外,为了解决卷积神经网络计算量大、存储需求高的问题,采用结构化稀疏学习(Structural Sparsity Learning,SSL)的方法对网络中的每一个卷积层进行结构化稀疏约束,去除网络中的冗余权重,加快网络运行速度,提升网络评价性能,SSL可以在提升网络评价性能的同时,在LIVE I数据库上实现2.0倍的速度提升,在LIVE II数据库上实现2.3倍的速度提升。为了验证上述质量评价算法的性能好坏,论文在公开的LIVE 3D Phase I、LIVE 3D Phase II、Waterloo IVC 3D Phase I和Waterloo IVC 3D Phase II数据库上进行了实验,实验结果表明论文所提两种算法都能够很好地模拟人眼视觉特性,在对称和非对称失真立体图像上的评价效果都很优秀。

关键词：立体图像质量评价卷积神经网络融合图像稀疏表示集成学习结构化稀疏学习

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：