10.16451/j.cnki.issn1003-6059.201801001
可解释化、结构化、多模态化的深度神经网络
深度学习方法依赖于大规模的标签数据,通过端到端的监督训练,在计算机视觉、自然语言处理领域都取得优异性能.但是,现有方法通常针对单一模态数据,忽视数据的内在结构,缺乏理论支撑.针对上述问题,文中从基于小波核学习的深度滤波器组网络设计、基于结构化学习的深度学习、基于多模态学习的深度学习3个角度阐述结合深度学习方法与小波理论、结构化预测的潜在方法,以及其拓展到多模态数据的可行机制.
深度学习、滤波器组、小波理论、结构化学习、多模态学习
31
2018-03-06(万方平台首次上网日期,不代表论文的发表时间)
共11页
1-11