MC-DBN：一种基于深度信念网络的模态补全模型
机器学习
2024-03-21 v3 人工智能
摘要
多模态人工智能（AI）的最新进展彻底改变了股市预测和心率监测领域。利用多样化的数据源可以显著提高预测精度。然而，附加数据并不总是与原始数据集对齐。插值方法通常用于处理模态数据中的缺失值，但在稀疏信息的情况下可能表现出局限性。为了应对这一挑战，我们提出了一种基于深度信念网络的模态补全模型（MC-DBN）。该方法利用完整数据的隐式特征来弥补其自身与附加不完整数据之间的差距。它确保增强后的多模态数据紧密贴合现实世界的动态特性，从而提升模型的有效性。我们在股市预测和心率监测领域的两个数据集上对MC-DBN模型进行了评估。综合实验展示了该模型弥合多模态数据中语义鸿沟的能力，进而提升了其性能。源代码可在：https://github.com/logan-0623/DBN-generate 获取
引用
@article{arxiv.2402.09782,
title = {MC-DBN: A Deep Belief Network-Based Model for Modality Completion},
author = {Zihong Luo and Zheng Tao and Yuxuan Huang and Kexin He and Chengzhi Liu},
journal= {arXiv preprint arXiv:2402.09782},
year = {2024}
}