검색 기능은 준비 중입니다.
검색 기능은 준비 중입니다.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

From Easy to Difficult: A Self-Paced Multi-Task Joint Sparse Representation Method 쉬운 것부터 어려운 것까지: 스스로 진행하는 다중 작업 관절 희소 표현 방법

Lihua GUO

  • 조회수

    0

  • 이것을 인용

요약 :

MTJSR(Multi-task Joint Sparse Representation)은 공유 희소 표현을 사용하여 다양한 문제를 함께 해결하기 위한 효율적인 MTL(다중 작업 학습) 방법 중 하나입니다. 쉬운 것부터 어려운 것까지 점차적으로 작업을 훈련하여 자기 주도 학습하는 인간의 학습 메커니즘을 기반으로 이 메커니즘을 MTJSR에 적용하고 자기 주도 학습을 통한 다중 작업 공동 희소 표현을 제안합니다(MTJSR-SP). ) 알고리즘. MTJSR-SP에서는 자기 주도 학습 메커니즘을 최적화 기능의 정규화 도구로 간주하고 이를 해결하기 위해 반복 최적화를 적용합니다. 기존 MTL 방법과 비교하여 MTJSR-SP는 잡음 및 이상치에 대해 더 견고합니다. MTJSR-SP의 효율성을 검증하기 위해 일부 데이터 세트, 즉 256개의 합성 데이터 세트, UCI 기계 학습 저장소의 XNUMX개 데이터 세트, 옥스포드 꽃 데이터 세트 및 Caltech-XNUMX 이미지 분류 데이터 세트에 대한 실험 결과가 사용되었습니다.

발행
IEICE TRANSACTIONS on Information Vol.E101-D No.8 pp.2115-2122
발행일
2018/08/01
공개일
2018/05/16
온라인 ISSN
1745-1361
DOI
10.1587/transinf.2017EDP7289
원고의 종류
PAPER
범주
이미지 인식, 컴퓨터 비전

작성자

Lihua GUO
  South China University of Technology

키워드