利用镜像神经网络进行降维与重构及基于降维特征向量的目标识别
计算机视觉与模式识别
2008-12-13 v1 人工智能
神经与进化计算
摘要
本文提出了一种镜像神经网络架构，用于利用降维后的低维特征向量进行非线性降维和目标识别。除了降维外，该网络还能从降维后的低维数据重构（镜像）原始高维输入向量。镜像神经网络架构在外层具有更多处理元素(ADALINE)，在最内层具有最少元素，形成收敛-发散的配置形状。由于该网络能够从最内层的输出（包含输入模式的所有信息）重构原始图像，这些输出可用作目标特征来分类模式。网络通过从输出层向输入层反向传播均方误差进行训练，以最小化实际输出与输入之间的差异。网络训练成功后，可以降低输入向量的维度并镜像输入的模式。镜像神经网络架构在各种测试模式上取得了非常好的结果。
引用
@article{arxiv.0712.0932,
title = {Dimensionality Reduction and Reconstruction using Mirroring Neural Networks and Object Recognition based on Reduced Dimension Characteristic Vector},
author = {Dasika Ratna Deepthi and Sujeet Kuchibhotla and K. Eswaran},
journal= {arXiv preprint arXiv:0712.0932},
year = {2008}
}
备注
Presented in IEEE International Conference on Advances in Computer Vision and Information Technology (ACVIT-07), Nov. 28-30 2007