×
邝，尹;张磊;Yi，Zhang（易、张）

利用递归神经网络构造子空间学习的L_1图。 （英语） Zbl 1425.68350号

PAA，模式分析。申请。 18，第4期，817-828（2015）.
摘要：在本文中，我们感兴趣的问题是通过递归神经网络构造用于子空间学习的（l_1）-图。为此，我们提出了一种闭仿射子空间学习（CASL）方法。CASL问题被表示为一个由非负正定函数中的能量函数描述的优化问题。给出了能量函数在非负正态下保持最小值的充分条件。根据这些充分条件，构造了一个Lotka-Volterra递归神经网络模型来解决优化问题。结果表明，网络模型的稳定吸引子集正好等于非负正态能量函数的极小点集。基于这些等价性，可以通过运行所提出的LV RNN来获得稳定吸引子来解决CASL问题。然后就可以构造\（l_1\）-图。在一些合成数据和实际数据上的实验表明，用这种方法构造的（l_1）-图更有效，特别是在处理从多个流形采样的数据时。

MSC公司：

68T05型 人工智能中的学习和自适应系统

关键词：

闭仿射子空间学习;非负矩阵分解;稀疏表示;多流形聚类与嵌入;Lotka-Volterra递归神经网络（LV RNN）

软件：

CVX公司;SPGL1型;NeNMF公司
PDF格式BibTeX公司 XML格式引用
\textit{Y.Kuang}等人，PAA，模式分析。申请。18，第4号，817--828（2015；Zbl 1425.68350）
全文： 内政部

参考文献：

[1] Asai T、Ohtani M、Yonezu H（1999）《lotka-volterra竞争神经网络的模拟集成电路》。IEEE Trans神经网络10（5）：1222-1231·数字对象标识代码：10.1109/72.788661
[2] Belhumeur PN、Hespanha JP、Kriegman DJ（1997）《特征脸与渔民脸：使用特定类别线性投影的识别》。IEEE Trans-Pattern Ana Mach Intell 19（7）：711-720
[3] Belkin M，Matveeva I，Niyogi P（2004）大型图的正则化和半监督学习。在：学习理论。柏林施普林格，第624-638页·Zbl 1078.68685号
[4] Belkin M，Niyogi P，Sindhwani V（2006）《流形正则化：从标记和未标记示例学习的几何框架》。J Mach学习研究7:2399-2434·Zbl 1222.68144号
[5] Brox T，Malik J（2010）通过点轨迹的长期分析进行对象分割。In:Computer vision-ECCV 2010。柏林施普林格，第282-295页
[6] Chen G，Lerman G（2009）谱曲率聚类（scc）。国际J计算机视觉81（3）：317-330·doi:10.1007/s11263-008-0178-9
[7] Cheng B，Yang J，Yan S，Fu Y，Huang TS（2010）《使用l1-图进行图像分析的学习》。IEEE传输图像处理19（4）：858-866·Zbl 1371.68229号 ·doi:10.1109/TIP.2009.2038764
[8] Donoho DL，Grimes C（2003）Hessian特征映射：高维数据的局部线性嵌入技术。国家科学院学报100（10）：5591-5596·Zbl 1130.62337号 ·doi:10.1073/pnas.1031596100
[9] Elhamifar E，Vidal R（2009）稀疏子空间聚类。收录：IEEE计算机视觉和模式识别会议，2009年。CVPR 2009。IEEE，第2790-2797页
[10] Elhamifar E，Vidal R（2011）稀疏流形聚类和嵌入。In：《神经信息处理系统的进展》，第55-63页
[11] Fukai T，Tanaka S（1997）一个简单的神经网络，显示了神经元集合的选择性激活：从赢家-赢家-分享-所有。神经计算9（1）：77-97·Zbl 0872.68151号 ·doi:10.1162/neco.1997.9.1.77
[12] Ge SS，Guan F，Loh A，Fua CH（2006）基于高维空间中内在结构发现的特征表示。收录：机器人与自动化，2006年。ICRA 2006。2006年IEEE会议记录。IEEE，第3399-3404页
[13] Grant M，Boyd S，Ye Y（2008）Cvx：用于约束凸规划的Matlab软件
[14] Guan N，Tao D，Luo Z，Yuan B（2011a）具有快速梯度下降的流形正则化判别非负矩阵分解。IEEE传输图像处理20（7）：2030-2048·Zbl 1372.94098号 ·doi:10.1109/TIP.2011.2105496
[15] Guan N，Tao D，Luo Z，Yuan B（2011b）非负性斑块对齐框架。IEEE Trans Neural Netw 22（8）：1218-1230·doi:10.1109/TNN.2011.2157359
[16] Guan N，Tao D，Luo Z，Shawe-Taylor J（2012a）Mahnmf：曼哈顿非负矩阵因式分解。arXiv，预印arXiv:12073438
[17] Guan N，Tao D，Luo Z，Yuan B（2012b）Nenmf：非负矩阵分解的最优梯度法。IEEE传输信号处理60（6）：2882-2898·Zbl 1391.65115号 ·doi:10.1109/TSP.2012.2190406
[18] Lauer F，Schnorr C（2009）运动分割线性子空间的谱聚类。收录：IEEE计算机视觉事务。IEEE，第678-685页
[19] Lei YK，Xu YM，Yang JA，Ding ZG，Gui J（2012）使用正交判别局部切线空间对齐进行特征提取。模式分析应用程序15（3）：249-259·doi:10.1007/s10044-011-0231-0
[20] Liu G，Yan S（2011）用于子空间分割和特征提取的潜在低秩表示。2011年IEEE国际计算机视觉会议（ICCV）。IEEE，第1615-1622页
[21] Ng AY、Jordan MI、Weiss Y等人（2002）《关于光谱聚类：分析和算法》。高级神经信息处理系统2:849-856
[22] Nistér D（2005）实时结构和运动估计的抢占式传输。马赫-维斯应用16（5）：321-329·doi:10.1007/s00138-005-0006-y
[23] Pan Y，Ge SS（2009）加权局部线性嵌入用于降维。图案识别42（5）：798-811·兹比尔1178.68453 ·doi:10.1016/j.patcog.2008.08.024
[24] Rao SR、Tron R、Vidal R、Ma Y（2008）在存在离群、不完整或损坏轨迹的情况下，通过鲁棒子空间分离进行运动分割。2008年IEEE计算机视觉和模式识别会议。CVPR 2008。IEEE，第1-8页
[25] Roweis ST，Saul LK（2000）局部线性嵌入的非线性降维。科学290（5500）：2323-2326·doi:10.1126/science.290.5500.2323
[26] Saul LK，Roweis ST（2003）《全局思考，局部拟合：低维流形的无监督学习》。J Mach学习研究4:119-155·Zbl 1093.68089号
[27] Shi J，Malik J（2000）归一化剪切和图像分割。IEEE Trans-Pattern Ana Mach Intell 22（8）：888-905·数字对象标识代码：10.1109/34.868688
[28] Short R，Fukunaga K（1980）一种新的最近邻距离度量。摘自：《第五届模式识别国际会议论文集》，第81-86页
[29] Tenenbaum JB（1998）绘制了多种感知观察结果。主题：神经信息处理系统的进展，第682-688页
[30] Tomasi C，Kanade T（1992），正字法下图像流的形状和运动：一种因式分解方法。国际J计算可视化9（2）：137-154·doi:10.1007/BF00129684
[31] Tron R，Vidal R（2007）三维运动分割算法比较基准。2007年IEEE计算机视觉和模式识别会议。2007年CVPR。IEEE，第1-8页
[32] Turk M，Pentland A（1991），识别特征。认知神经科学杂志3（1）：71-86·doi:10.1162/jocn.1991.3.1.71
[33] Van Den Berg E，Friedlander MP（2008）《探索帕累托边界的基础追踪解决方案》。SIAM科学计算杂志31（2）：890-912·Zbl 1193.49033号 ·doi:10.1137/080714488
[34] Vidal R、Hartley R（2004）使用功率因数分解和gpca对缺失数据进行运动分割。In:计算机视觉和模式识别，2004年。CVPR 2004。2004年IEEE计算机学会会议记录。IEEE，第2卷，第II-310页
[35] Wright J，Yang AY，Ganesh A，Sastry SS，Ma Y（2009）通过稀疏表示实现鲁棒人脸识别。IEEE Trans-Pattern Ana Mach Intell公司31（2）：210-227·doi:10.1109/TPAMI.2008.79
[36] Xu D，Yan S，Tao D，Lin S，Zhang HJ（2007）人类步态识别和基于内容的图像检索的边缘fisher分析及其变体。IEEE Trans-Image过程16（11）：2811-2821·doi:10.10109/TIP.2007.906769
[37] Yan J，Pollefeys M（2006）运动分割的一般框架：独立、铰接、刚性、非刚性、退化和非退化。In:Computer vision-ECCV 2006。柏林施普林格，第94-106页
[38] Yan S，Xu D，Zhang B，Zhang-HJ，Yang Q，Lin S（2007）图嵌入与扩展：降维的一般框架。IEEE跨模式分析-马赫积分29（1）：40-51·doi:10.1109/TPAMI.2007.250598
[39] Yang B，Chen S，Wu X（2011）判别分析的结构动机框架。模式分析应用程序14（4）：349-367·doi:10.1007/s10044-011-0228-8
[40] Yi Z（2010）通过lotka-volterra递归神经网络实现竞争层模型的基础。IEEE Trans Neural Netw 21（3）：494-507·doi:10.1109/TNN.2009.2039758
[41] Yi Z，Tan K（2002）具有时滞的lotka-volterra递归神经网络的动态稳定性条件。物理版E 66（1）：011910
[42] Yu J，Amores J，Sebe N，Radeva P，Tian Q（2008）相似性估计的远程学习。IEEE Trans-Pattern Ana Mach Intell 30（3）：451-462·doi:10.1109/TPAMI.2007.70714
[43] Zhang Y，Tan KK（2003）递归神经网络的收敛性分析。Kluwer学术，波士顿
[44] Zhu X，Ghahramani Z，Lafferty J等人（2003）使用高斯场和调和函数的半监督学习。国际资本市场协会3:912-919
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配，并且可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。