基于深度学习的无局部结构矩阵序列预测

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.