-
题名基于深度学习的无局部结构矩阵序列预测
- 1
-
-
作者
赵琦
朱浩华
刘光灿
-
机构
南京信息工程大学自动化学院
-
出处
《信息与控制》
CSCD
北大核心
2020年第4期414-419,共6页
-
基金
国家自然科学基金优秀青年基金资助项目(61622305)。
-
文摘
由于对图像局部近邻结构的敏感性,卷积神经网络在计算机视觉领域有着广泛深远的应用.然而对于无局部结构的一般性矩阵,由于无法处理其中的大量全局依赖,卷积神经网络通常对其不够有效.鉴于此,提出了一种基于深度学习的网络结构,用来解决这种无局部结构的一般性矩阵序列预测问题.通过采用提出的对偶线性连接结构,使网络学习到了广泛存在于无局部结构矩阵序列中的全局依赖,从而得到了更好的预测结果.将提出算法与几种主流视频预测算法进行对比,实验结果表明:该算法对于无局部结构矩阵序列具有很好的特征提取能力,可以有效地学习到给定输入数据中的全局依赖,从而生成更好的预测结果.
-
关键词
视频预测
全局依赖
对偶连接
神经网络
深度学习
-
Keywords
video prediction
global dependence
dual connecting
neural network
deep learning
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
TP18
[自动化与计算机技术—控制理论与控制工程]
-