检索结果-南通市图书馆

An Overview and Perspectives On Bidirectional Intelligence: LMSER Duality, Double IA Harmony,and Causal Computation

IEEE/CAA Journal of Automatica Sinica 2019年第4期6卷 865-893页

作者： Lei Xu IEEE the Center for Cognitive Madmnes and Computational Health(CMaCH) School of Electronic Information and Electrical EngineeringShanghai Jiao Tong University Neural Computation Research Centre in Brain and Intelligence Science-Technology Institute Shanghai ZhangJiang National Lab

Advances on bidirectional intelligence are overviewed along three threads,with extensions and new perspectives.The first thread is about bidirectional learning architecture,exploring five dualities that enable LMSER six cognitive functions and provide new perspectives on which a lot of extensions and particularlly flexible LMSER are proposed.Interestingly,either or two of these dualities actually takes an important role in recent models such as U-net,ResNet,and Dense Net.The second thread is about bidirectional learning principles unified by best yIng-yAng(IA)harmony in BYY system.After getting insights on deep bidirectional learning from a bird-viewing on existing typical learning principles from one or both of the inward and outward directions,maximum likelihood,variational principle,and several other learning principles are summarised as exemplars of the BYY learning,with new perspectives on advanced topics.The third thread further proceeds to deep bidirectional intelligence,driven by long term dynamics(LTD)for parameter learning and short term dynamics(STD)for image thinking and rational thinking in harmony.Image thinking deals with information flow of continuously valued arrays and especially image sequence,as if thinking was displayed in the real world,exemplified by the flow from inward encoding/cognition to outward reconstruction/transformation performed in LMSER learning and BYY learning.In contrast,rational thinking handles symbolic strings or discretely valued vectors,performing uncertainty reasoning and problem solving.In particular,a general thesis is proposed for bidirectional intelligence,featured by BYY intelligence potential theory(BYY-IPT)and nine essential dualities in architecture,fundamentals,and implementation,respectively.Then,problems of combinatorial solving and uncertainty reasoning are investigated from this BYY IPT perspective.First,variants and extensions are suggested for AlphaGoZero like searching tasks,such as traveling salesman problem(TSP)and attributed graph matching(AGM)that ar

关键词： Autoencoder LMSER duality outward attention associative recall concept formation imagining pattern transformation STD vs LTD RPCL skip connection feedback variational least redundancy Bayesian Ying Yang IA system best harmony best matching image thinking rational thinking intelligence potential theory Alpha-TSP Alpha-AGM graph matching ME Player BYY Follower constraint satisfaction causal potential theory

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LMSER-in-LMSER双向网络的人脸素描图像生成方法

引用

模式识别与人工智能 2022年第7期35卷 589-601页

作者：盛庆杰苏锐丹涂仕奎徐雷上海交通大学电子信息与电气工程学院上海200240

人脸素描图像生成问题目的是将人脸照片转换为对应的素描图像,已有方法生成的素描图像或缺乏素描纹理,或需要在额外的大规模数据集上进行预训练.针对上述问题,文中基于LMSER(Least Mean Square Error Reconstruction)构建内外嵌套的深... 详细信息

人脸素描图像生成问题目的是将人脸照片转换为对应的素描图像,已有方法生成的素描图像或缺乏素描纹理,或需要在额外的大规模数据集上进行预训练.针对上述问题,文中基于LMSER(Least Mean Square Error Reconstruction)构建内外嵌套的深度双向网络,即LMSER-in-LMSER双向网络,用于人脸素描图像的生成.利用LMSER的神经元对偶特性,即编码神经元和解码神经元之间形成双向短路连接,在内部LMSER子网络的编码器和解码器之间通过前向传递不同网络层进行学习,得到多层级特征,增强素描生成的纹理细节.同时建立具有同样结构的网络,反向建立素描映射到照片的模型.外部通过在2个LMSER子网络上施加一致性约束,实现反馈链接,改善素描特征.在基准数据集上的实验表明,文中方法性能较优,并且不需要在额外的数据集上进行预训练,可应用性较强.

关键词：人脸素描图像生成深度双向网络 LMSER 神经元对偶层次神经元对偶性

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

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

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

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：