發(fā)布時(shí)間：2021-01-02 08:50

　　多視圖學(xué)習(xí)包含兩個(gè)主要假設(shè),即多視圖數(shù)據(jù)中的一致性和互補(bǔ)性,一致性假設(shè)指多視圖數(shù)據(jù)中各視圖數(shù)據(jù)間存在被共享的一致性信息,互補(bǔ)性假設(shè)指多視圖數(shù)據(jù)中各視圖數(shù)據(jù)都包含其他視圖數(shù)據(jù)中未包含的信息。但是,當(dāng)下的多視圖學(xué)習(xí)算法主要是通過矩陣因式分解等經(jīng)典的機(jī)器學(xué)習(xí)算法對(duì)一致性和互補(bǔ)性中的一種假設(shè)展開研究。因此,當(dāng)前的多視圖算法,在使用深度學(xué)習(xí)同時(shí)學(xué)習(xí)多視圖數(shù)據(jù)的一致性和互補(bǔ)性的方向上,仍是一個(gè)開放性的問題。為使深度神經(jīng)網(wǎng)絡(luò)同時(shí)利用多視圖數(shù)據(jù)的一致性和互補(bǔ)性,本文首先提出深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的基準(zhǔn)模型,該模型通過自編碼器組成的編碼模塊學(xué)習(xí)多視圖數(shù)據(jù)的一致性信息,通過最大值池化、平均值池化和加權(quán)求和學(xué)習(xí)多視圖數(shù)據(jù)的互補(bǔ)信息,產(chǎn)生包含多視圖數(shù)據(jù)一致性和互補(bǔ)性的特征向量,最后通過全連接層完成預(yù)測�；鶞�(zhǔn)模型僅能探索多視圖數(shù)據(jù)的一種互補(bǔ)形式,為探索多種互補(bǔ)形式,本文基于基準(zhǔn)模型又提出多視圖自注意力機(jī)制神經(jīng)網(wǎng)絡(luò),該模型在使用自注意力機(jī)制學(xué)習(xí)多個(gè)包含多視圖數(shù)據(jù)互補(bǔ)信息的特征向量后,級(jí)聯(lián)各特征向量,產(chǎn)生包含多視圖數(shù)據(jù)一致性和多種互補(bǔ)性的增廣向量�；鶞�(zhǔn)模型和多視圖自注意力機(jī)制神經(jīng)網(wǎng)絡(luò)都是通過向量運(yùn)算挖掘多數(shù)據(jù)視圖的互補(bǔ)性... 

【文章來源】：中國石油大學(xué)(北京)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：60 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
引言
第1章 多視圖學(xué)習(xí)的研究進(jìn)展
    1.1 多視圖算法和多視圖學(xué)習(xí)任務(wù)介紹
        1.1.1 協(xié)同訓(xùn)練算法
        1.1.2 協(xié)同正則化算法
        1.1.3 裕度一致性算法
        1.1.4 其他多視圖學(xué)習(xí)任務(wù)
    1.2 多視圖深度學(xué)習(xí)
第2章 基準(zhǔn)模型
    2.1 基準(zhǔn)模型結(jié)構(gòu)介紹
        2.1.1 基準(zhǔn)模型中的編碼模塊
        2.1.2 基準(zhǔn)模型中的信息融合
        2.1.3 基準(zhǔn)模型中的目標(biāo)函數(shù)
    2.2 實(shí)驗(yàn)結(jié)果
        2.2.1 數(shù)據(jù)集介紹
        2.2.2 各數(shù)據(jù)集上模型參數(shù)設(shè)置
        2.2.3 實(shí)驗(yàn)結(jié)果及分析
        2.2.4 模型的收斂性分析
    2.3 本章小結(jié)
第3章 多視圖自注意力機(jī)制神經(jīng)網(wǎng)絡(luò)
    3.1 自注意力機(jī)制介紹
    3.2 多視圖自注意力機(jī)制神經(jīng)網(wǎng)絡(luò)
        3.2.1 多視圖自注意力機(jī)制神經(jīng)網(wǎng)絡(luò)框架
        3.2.2 目標(biāo)函數(shù)和正則化項(xiàng)
    3.3 實(shí)驗(yàn)結(jié)果
        3.3.1 實(shí)驗(yàn)數(shù)據(jù)和參數(shù)設(shè)置
        3.3.2 對(duì)比算法
        3.3.3 實(shí)驗(yàn)結(jié)果及分析
        3.3.4 多視圖自注意模型的收斂性分析
    3.4 本章小結(jié)
第4章 多視圖膠囊網(wǎng)絡(luò)
    4.1 膠囊網(wǎng)絡(luò)介紹
        4.1.1 膠囊網(wǎng)絡(luò)中膠囊層的輸入和輸出
        4.1.2 膠囊網(wǎng)絡(luò)中膠囊層的輸入和輸出
        4.1.3 膠囊網(wǎng)絡(luò)損失函數(shù)
        4.1.4 CapsNet網(wǎng)絡(luò)框架
        4.1.5 膠囊網(wǎng)絡(luò)CapsNet的實(shí)驗(yàn)結(jié)果和分析
    4.2 多視圖膠囊網(wǎng)絡(luò)
        4.2.1 多視圖膠囊網(wǎng)絡(luò)結(jié)構(gòu)
        4.2.2 目標(biāo)函數(shù)
    4.3 實(shí)驗(yàn)結(jié)果
        4.3.1 實(shí)驗(yàn)數(shù)據(jù)、參數(shù)設(shè)置及對(duì)比方法
        4.3.2 實(shí)驗(yàn)結(jié)果及分析
        4.3.3 多視圖膠囊網(wǎng)絡(luò)的收斂性分析
    4.4 本章小結(jié)
第5章 結(jié)論
參考文獻(xiàn)
致謝



本文編號(hào)：2953051