10.3969/j.issn.1007-130X.2017.07.027
稀疏受限玻尔兹曼机研究综述
人类的视觉系统采用稀疏编码方式来描述被感知的图像特征,而稀疏表示被认为是图像特征最合理而且有效的表示形式.由于受限玻尔兹曼机具有强大的无监督学习能力,所以它被用于深度学习中.将多个稀疏受限玻尔兹曼机堆叠起来,不仅可以模拟大脑的分层结构,还可以学习到图像更加抽象的特征信息.因此,采用受限玻尔兹曼机获得图像特征的稀疏表示在人工智能领域得到了广泛的关注.首先介绍了受限玻尔兹曼机的基础知识,紧接着阐述了稀疏化的原因,并描述了稀疏受限玻尔兹曼机的优点.然后,文章详细介绍了稀疏受限波尔兹曼机的国内外研究现状.最后总结了目前研究中存在的问题及将来的发展方向.
稀疏表示、受限玻尔兹曼机、深度学习、图像处理
39
TP181(自动化基础理论)
2017-08-14(万方平台首次上网日期,不代表论文的发表时间)
共6页
1379-1384