齐光磊
- 作品数：8 被引量：24H指数：1
- 供职机构：北京工业大学更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 一种矩阵变量RBM的识别方法
- 本发明公开了一种矩阵变量RBM的识别方法，其大大降低训练和推导的计算复杂度，在训练和测试过程中保持了2D矩阵数据中的空间信息同时在重构过程中得到良好的效果，可以应用于更复杂的数据结构。该方法包括步骤：(1)训练阶段：根据...
- 齐光磊孙艳丰胡永利
- 文献传递
- 一种深度卷积神经网络的人脸识别方法
- 公开一种深度卷积神经网络的人脸识别方法，其降低时间复杂度，使得在减少训练样本的情况下网络中权值依然有较强的分类能力。其包括训练阶段和分类阶段，训练阶段包括步骤：(1)随机生成输入单元与隐单元之间的权值w<Sub>j</S...
- 孙艳丰齐光磊胡永利
- 文献传递
- 一种基于矩阵变量RBM的图像重构方法
- 本发明公开了一种基于矩阵变量RBM的图像重构方法，其大大降低训练和推导的计算复杂度，在训练和测试过程中保持了2D矩阵数据中的空间信息同时在重构过程中得到良好的效果，可以应用于更复杂的数据结构。该方法包括步骤：(1)训练阶...
- 齐光磊孙艳丰胡永利
- 文献传递
- 一种矩阵变量RBM的识别方法
- 本发明公开了一种矩阵变量RBM的识别方法，其大大降低训练和推导的计算复杂度，在训练和测试过程中保持了2D矩阵数据中的空间信息同时在重构过程中得到良好的效果，可以应用于更复杂的数据结构。该方法包括步骤：(1)训练阶段：根据...
- 齐光磊孙艳丰胡永利
- 基于改进Fisher准则的深度卷积神经网络识别算法被引量：24
- 2015年
- 为了有效利用深度学习技术自动提取特征的能力,并解决当训练样本量减少或者迭代次数降低时识别性能急速下降的问题,提出了基于Fisher准则的深度学习算法.该方法在前馈传播时,采用卷积神经网络自动提取图像的结构信息等特征,同时利用卷积网络共享权值和池化、下采样等方法减少了权值个数,降低了模型复杂度;在反向传播权值调整时,采用了基于Fisher的约束准则.在权值的迭代调整时既考虑误差的最小化,又同时让样本保持类内距离小,类间距离大,从而使权值能更加快速地逼近有利于分类的最优值,当样本量不足或训练迭代次数不多时可有效地提高系统的识别率.大量的实验结果证明:该基于Fisher准则的混合深度学习算法在标签样本不足或者较少训练次数的情况下依然能达到较好的识别效果.
- 孙艳丰齐光磊胡永利赵璐
- 关键词：卷积神经网络FISHER准则人脸识别
- 一种基于矩阵变量RBM的图像重构方法
- 本发明公开了一种基于矩阵变量RBM的图像重构方法，其大大降低训练和推导的计算复杂度，在训练和测试过程中保持了2D矩阵数据中的空间信息同时在重构过程中得到良好的效果，可以应用于更复杂的数据结构。该方法包括步骤：(1)训练阶...
- 齐光磊孙艳丰胡永利
- 文献传递
- 一种深度卷积神经网络的人脸识别方法
- 公开一种深度卷积神经网络的人脸识别方法，其降低时间复杂度，使得在减少训练样本的情况下网络中权值依然有较强的分类能力。其包括训练阶段和分类阶段，训练阶段包括步骤：(1)随机生成输入单元与隐单元之间的权值w<Sub>j</S...
- 孙艳丰齐光磊胡永利
- 文献传递
- 基于深度学习的识别算法研究
- 在模式识别和计算机视觉领域中，特征提取一直是难点之一，传统的基于特征的识别方法都预先定义一种特征，再依据定义的特征进行分类识别。深度学习作为传统机器学习的发展，因其基于样本数据，能逐层自动学习到更为合适的表示特征，而在众...
- 齐光磊
- 关键词：模式识别张量分解
