基于哈达玛深度自编码器的集体运动碎片化轨迹重建
机器学习
2021-10-22 v1 最优化与控制
摘要
学习鱼或人类等集体运动个体的动力学是一个活跃的研究领域。由于遮挡和光照变化等自然现象，跟踪此类动力学的多目标方法可能会丢失对个体的追踪，从而导致构建的轨迹出现碎片化。在此，我们提出了一种扩展的深度自编码器（DA），其仅使用完全观测到的轨迹段进行训练，方法是将损失函数定义为二元指示矩阵与输出和标签之间绝对差的哈达玛乘积。由于个体间的相互作用和依赖关系，进行集体运动的个体的轨迹是低秩的，我们将其作为哈达玛深度自编码器（HDA）在训练过程中编码的底层模式。我们的 HDA 的性能在碎片化轨迹重建背景下与一种低秩矩阵补全方案进行了比较。
引用
@article{arxiv.2110.10428,
title = {Reconstruction of Fragmented Trajectories of Collective Motion using Hadamard Deep Autoencoders},
author = {Kelum Gajamannage and Yonggi Park and Randy Paffenroth and Anura P. Jayasumana},
journal= {arXiv preprint arXiv:2110.10428},
year = {2021}
}
备注
21 Pages, 5 figures, submitted into Pattern Recognition