欢迎您！东篱公司
退出
-
申报数据库
-
立项数据库
-
成果数据库
-
项目获奖数据库
位置：立项数据库 > 立项详情页
中文摘要：
异构数据的规模和维数随着感知技术和多媒体技术的发展正在快速地增长，其属性的互异性和维数的超高性使得直接利用数据去发现结构和模式困难重重，解决这一问题的有效途径便是数据的低维表示（即维数约减）。传统的维数约减方法不能有效地用于异构数据的维数约化，且其发现的结构也只是一些“浅表”结构。深度学习方法是一种新型的维数约减方法，它以多层网的方式给出了由多层非线性函数经叠加、复合而得到的低维高阶非线性表示。但当这一方法用于异构数据维数约减时，其模型仍不够灵活，数据的本征维数也难以确定，算法的效率仍需进一步提高。本项目在模型上引入低维异构非线性表示，算法上提出基于“最小脉冲响应次数”的稀疏化代价函数，研究基于“最小脉冲响应次数”的数据低维表示及维数确定，研究求解与任务有关的数据维数约减问题，设计高维异构数据的低维异构高度非线性表示的高效深度学习方法。所获结果有望扩展和深化维数约减方法的应用。
结论摘要：
英文主题词Deep learning；Dimension reduction；Heterogeneous data；Feature extraction；Sparse representation
成果综合统计
期刊论文
会议论文
专利
获奖
著作
相关项目
张讲社的项目
