基于隐码的融合：一种 Volterra 神经网络方法
计算机视觉与模式识别
2021-04-13 v1 人工智能
机器学习
摘要
我们提出一种使用近期提出的 Volterra 神经网络（VNNs）的深度结构编码器，以寻求多模态数据的隐表示，其特征是被子空间并集联合捕获的。所谓隐码的自表示嵌入导致了一种简化的融合，该融合由类似构造的解码所驱动。Volterra 滤波器架构实现的参数复杂度降低，主要源于高阶卷积引入的受控非线性，而非广义激活函数。在两个不同数据集上的实验结果表明，VNNs 自编码器在聚类性能上较常规卷积神经网络（CNNs）自编码器有显著提升。此外，我们还表明所提方法相较基于 CNN 的自编码器展现出更优的样本复杂度以及极佳的鲁棒分类性能。
引用
@article{arxiv.2104.04829,
title = {Latent Code-Based Fusion: A Volterra Neural Network Approach},
author = {Sally Ghanem and Siddharth Roheda and Hamid Krim},
journal= {arXiv preprint arXiv:2104.04829},
year = {2021}
}