發(fā)布時(shí)間：2018-01-26 18:35

  本文關(guān)鍵詞： 深信度網(wǎng)絡(luò) 特征提取 聯(lián)想記憶 多模態(tài)識(shí)別　出處：《吉林大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：現(xiàn)實(shí)世界中的信息往往同時(shí)以多種不同的形式出現(xiàn),認(rèn)知科學(xué)的研究表明生物在認(rèn)識(shí)世界的過程中,是結(jié)合多個(gè)感官獲得的信息做出綜合判斷來(lái)獲取一個(gè)總體的認(rèn)識(shí),源于不同感官的信息對(duì)最終的認(rèn)知結(jié)果來(lái)說(shuō)是相輔相成,相互配合的。聯(lián)想記憶是生物大腦中的一個(gè)重要功能,對(duì)一個(gè)新事物的認(rèn)知,會(huì)通過感官將多種模態(tài)信息獲取后,在腦神經(jīng)細(xì)胞形成記憶存儲(chǔ),下次再遇到該事物的某些信息時(shí)即能在腦中聯(lián)想出相應(yīng)的其他信息。隨著對(duì)大腦神經(jīng)系統(tǒng)研究的不斷深入的,人們意識(shí)到大腦對(duì)新事物的學(xué)習(xí)是一個(gè)不斷提取抽象概念的過程,是將信息從原始狀態(tài)抽象到一種更高層的表示,然后將多種高層抽象表示聯(lián)系到一起形成聯(lián)想記憶。文中為了模擬生物利用多種模態(tài)信息進(jìn)行學(xué)習(xí)并形成聯(lián)想記憶的能力,基于深信度網(wǎng)絡(luò)、雙向聯(lián)想記憶網(wǎng)絡(luò)建立了深度聯(lián)想記憶網(wǎng)絡(luò)以及在該網(wǎng)絡(luò)的基礎(chǔ)上的多維權(quán)值的多模態(tài)識(shí)別模型。其中深度聯(lián)想記憶網(wǎng)絡(luò)能夠利用深信度網(wǎng)絡(luò)提取出各個(gè)模態(tài)信息的特征,然后利用雙向聯(lián)想記憶網(wǎng)絡(luò)建立多個(gè)特征間的聯(lián)系,這種聯(lián)系的建立加上深信度網(wǎng)絡(luò)本身的雙向生成功能使得模型能夠完成缺失信息的尋回任務(wù),同時(shí)基于該深度聯(lián)想記憶網(wǎng)絡(luò)進(jìn)行的多維權(quán)值的多模態(tài)識(shí)別,不僅在分類準(zhǔn)確性上比以往的模型有較大提高,而且在有信息缺失的情況下仍能夠較好進(jìn)行多模態(tài)分類。本文在實(shí)驗(yàn)中提供圖片信號(hào)與語(yǔ)音信號(hào)這兩種模態(tài)的信息,讓網(wǎng)絡(luò)進(jìn)行多模態(tài)學(xué)習(xí)。實(shí)驗(yàn)結(jié)果驗(yàn)證了深度聯(lián)想記憶網(wǎng)絡(luò)重新生成缺失信號(hào)的能力;通過跟多種傳統(tǒng)模型進(jìn)行比較,我們驗(yàn)證了基于多維權(quán)值的多模態(tài)識(shí)別模型的有效性,以及由于權(quán)值的多維性而非單一性使得對(duì)不同類別進(jìn)行識(shí)別具有較強(qiáng)的穩(wěn)定性。
[Abstract]:The information in the real world often in many different forms, cognitive science research shows that biological understanding of the world in the process, is a combination of multiple sensory information available to make a comprehensive judgment to get a general understanding from different sensory information on the final result of cognitive are complementary with each other,. Associative memory is an important biological function in the brain, a new cognition, through a variety of sensory information acquisition mode, the formation of memory in brain nerve cells, the next time you have some information of the things which can associate other relevant information in the brain. With the study of the brain the deepening of the nervous system, people are aware of the brain to learn new things is a continuous process of abstracting the concept, is the information from the original state to a higher level of abstraction table Then, a variety of high-level abstraction together to form associative memory. In this paper, in order to simulate the biological information using a variety of modal learning and ability to form associative memory, that network based on multi modal identification model of multi dimension value of the bidirectional associative memory network is established and the depth of associative memory neural network based on the network. In depth. Associative memory network can utilize network to extract the features of each convinced modal information, and then establish multiple features between bidirectional associative memory network with bidirectional generation function to establish contact with the deep belief network itself makes the model to complete the missing information retrieve task, and multimodal recognition the rights the depth of associative memory network based on value, not only in classification accuracy than the previous model is greatly improved, and in a letter Still can carry out multimodal classification information. The absence of the picture signal and sound signal of the two modes in the experiment information, let the network for multimodal learning. The experimental results verify the ability to re generate the missing signal depth of associative memory networks; through with a variety of traditional model comparison, we verified multi modal identification model based on the value of human rights, as well as multidimensional weights rather than single sex makes recognition has the strong stability of different categories.

【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：R318;TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 馮乃勤;田勇;王鮮芳;秦利娟;喬錕;;基于分組劃分的形態(tài)學(xué)異聯(lián)想記憶研究[J];河南師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年02期

2 馮乃勤;敖連輝;王善俠;王雙喜;田勇;;形態(tài)學(xué)聯(lián)想記憶在圖像聯(lián)想識(shí)別上的應(yīng)用[J];河南師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年03期

3 康輝,楊昌喜,母國(guó)光,吳仲康;利用摻雜鈮酸鋰作相位共軛鏡的全光學(xué)聯(lián)想記憶系統(tǒng)[J];中國(guó)激光;1991年03期

4 西廣成;聯(lián)想記憶的一種隨機(jī)理論[J];控制理論與應(yīng)用;1998年05期

5 陳桂英;;帶有閾值的廣義模糊雙向聯(lián)想記憶網(wǎng)絡(luò)的穩(wěn)定性分析[J];山東大學(xué)學(xué)報(bào)(理學(xué)版);2014年01期

6 姜惠蘭,孫雅明;異聯(lián)想記憶Hopfield神經(jīng)網(wǎng)絡(luò)的模型、算法及性能[J];系統(tǒng)工程理論與實(shí)踐;2005年05期

7 彭建華;于洪潔;;神經(jīng)系統(tǒng)中隨機(jī)和混沌感知信號(hào)的聯(lián)想記憶與分割[J];物理學(xué)報(bào);2007年08期

8 楊天奇;故障模式的聯(lián)想記憶和識(shí)別分析[J];暨南大學(xué)學(xué)報(bào)(自然科學(xué)與醫(yī)學(xué)版);2000年03期

9 黃秉憲;主動(dòng)聯(lián)想記憶神經(jīng)網(wǎng)絡(luò)模型[J];生物物理學(xué)報(bào);1994年03期

10 苗振江，袁保宗;擴(kuò)展雙向聯(lián)想記憶神經(jīng)網(wǎng)絡(luò)及其應(yīng)用[J];高技術(shù)通訊;1995年07期

相關(guān)會(huì)議論文 前10條

1 趙旺兄;喬清理;王丹;;海馬CA3區(qū)自聯(lián)想記憶與異聯(lián)想記憶的建模與仿真[A];天津市生物醫(yī)學(xué)工程學(xué)會(huì)第29屆學(xué)術(shù)年會(huì)暨首屆生物醫(yī)學(xué)工程前沿科學(xué)研討會(huì)論文集[C];2009年

2 鐵錦程;許曉鳴;劉慧;張鐘俊;;一種改進(jìn)的多重訓(xùn)練雙向聯(lián)想記憶算法[A];1996中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];1996年

3 徐寧壽;白云飛;;基于最小范數(shù)解的聯(lián)想記憶系統(tǒng)訓(xùn)練和局部泛化算法[A];1996年中國(guó)控制會(huì)議論文集[C];1996年

4 吳錫生;冉天保;王士同;;一種新穎的模糊形態(tài)聯(lián)想記憶網(wǎng)絡(luò)[A];2006年全國(guó)開放式分布與并行計(jì)算學(xué)術(shù)會(huì)議論文集（一）[C];2006年

5 徐耀群;包丹;;基于外積法學(xué)習(xí)的聯(lián)想記憶網(wǎng)絡(luò)研究[A];2007中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];2007年

6 楊靜;謝昭;孫永宣;;稀疏聯(lián)想記憶神經(jīng)網(wǎng)絡(luò)動(dòng)力學(xué)演化[A];中國(guó)儀器儀表學(xué)會(huì)第十一屆青年學(xué)術(shù)會(huì)議論文集[C];2009年

7 宮向陽(yáng);涂奉生;;聯(lián)想記憶神經(jīng)網(wǎng)絡(luò)的兩種設(shè)計(jì)方法[A];1996中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];1996年

8 殷彤;白云飛;;基于新型聯(lián)想記憶系統(tǒng)的直接仿人操縱智能控制[A];1994年中國(guó)控制會(huì)議論文集[C];1994年

9 段書凱;劉光遠(yuǎn);;網(wǎng)絡(luò)參數(shù)對(duì)混沌聯(lián)想記憶特性的影響[A];第十一屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-2003）論文集[C];2003年

10 徐寧壽;楊志鴻;;采用自適應(yīng)感受野的廣義尖帽樣條函數(shù)型聯(lián)想記憶系統(tǒng)及其應(yīng)用[A];1996年中國(guó)控制會(huì)議論文集[C];1996年

相關(guān)重要報(bào)紙文章 前1條

1 大任;英語(yǔ)“聯(lián)想記憶”詞條引發(fā)版權(quán)訴訟[N];中國(guó)新聞出版報(bào);2008年

相關(guān)博士學(xué)位論文 前7條

1 吳錫生;基于模糊形態(tài)雙向聯(lián)想記憶網(wǎng)絡(luò)的研究[D];南京理工大學(xué);2005年

2 張道強(qiáng);基于核的聯(lián)想記憶及聚類算法的研究與應(yīng)用[D];南京航空航天大學(xué);2005年

3 王劍;一類新型聯(lián)想記憶神經(jīng)網(wǎng)絡(luò)研究[D];華南理工大學(xué);2003年

4 周鐵軍;多向聯(lián)想記憶神經(jīng)網(wǎng)絡(luò)理論研究[D];中南大學(xué);2007年

5 楊靜;稀疏互聯(lián)聯(lián)想記憶及其復(fù)雜網(wǎng)絡(luò)實(shí)現(xiàn)[D];合肥工業(yè)大學(xué);2009年

6 王敏;多向聯(lián)想記憶神經(jīng)網(wǎng)絡(luò)的多穩(wěn)定性及其在多模式識(shí)別中的應(yīng)用[D];湖南農(nóng)業(yè)大學(xué);2014年

7 王瑞敏;神經(jīng)元傳輸函數(shù)和網(wǎng)絡(luò)噪音對(duì)聯(lián)想記憶反饋網(wǎng)絡(luò)動(dòng)力學(xué)特性的影響[D];蘭州大學(xué);2006年

相關(guān)碩士學(xué)位論文 前10條

1 田勇;形態(tài)學(xué)聯(lián)想記憶框架的泛化研究[D];河南師范大學(xué);2012年

2 徐迎;形態(tài)學(xué)聯(lián)想記憶網(wǎng)絡(luò)及其應(yīng)用研究[D];吉首大學(xué);2015年

3 曾治華;基于深度聯(lián)想記憶網(wǎng)絡(luò)和多維權(quán)值的多模態(tài)識(shí)別模型的研究[D];吉林大學(xué);2017年

4 黃少芳;利用動(dòng)態(tài)核的形態(tài)聯(lián)想記憶網(wǎng)絡(luò)及其應(yīng)用研究[D];江南大學(xué);2006年

5 王雙喜;形態(tài)學(xué)聯(lián)想記憶抗噪聲的研究[D];河南師范大學(xué);2011年

6 冉天保;模糊形態(tài)尺度空間聯(lián)想記憶的研究與應(yīng)用[D];江南大學(xué);2007年

7 顏本偉;基于小世界體系的模糊自聯(lián)想記憶神經(jīng)網(wǎng)絡(luò)研究[D];西南大學(xué);2011年

8 于曉;人工腦的一種具有期望容錯(cuò)域的聯(lián)想記憶神經(jīng)網(wǎng)絡(luò)模型研究[D];青島大學(xué);2010年

9 劉仲皖;基于自組織映射網(wǎng)絡(luò)的多模態(tài)聯(lián)想記憶[D];北京郵電大學(xué);2015年

10 陳亮;基于圖像特征的形態(tài)學(xué)異聯(lián)想記憶的研究[D];云南大學(xué);2015年

，

本文編號(hào)：1466304