基于互信息自编码和变分路由的胶囊网络结构优化

基于互信息自编码和变分路由的胶囊网络结构优化

TP181%TN911.73; 胶囊网络是一类有别于卷积神经网络的新型网络模型.该文尝试提高其泛化性和精准性:首先,利用变分路由来缓解经典路由对先验信息依赖性强、易导致模型过拟合的问题.通过使用高斯混合模型(GMM)来拟合低级矩阵胶囊,并利用变分法求取近似分布,避免了参数最大似然点估计的误差,用置信度评估来获得泛化性能的提高;其次,考虑到实际数据大多无标签或者标注困难,构建互信息评价标准的胶囊自编码器,实现特征参数的有效筛选.即通过引入局部编码器,只保留胶囊中对原始输入识别最有效的特征,在减轻网络负担的同时提高了其分类识别的精准性.该文的方法在MNIST,FashionMNIST,CIFAR-...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Veröffentlicht in:电子与信息学报 2021, Vol.43 (11), p.3309-3318
Hauptverfasser: 鲍静益, 徐宁, 尚蕴浩, 楚昕
Format: Artikel
Sprache:chi
Online-Zugang:Volltext
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
container_end_page 3318
container_issue 11
container_start_page 3309
container_title 电子与信息学报
container_volume 43
creator 鲍静益
徐宁
尚蕴浩
楚昕
description TP181%TN911.73; 胶囊网络是一类有别于卷积神经网络的新型网络模型.该文尝试提高其泛化性和精准性:首先,利用变分路由来缓解经典路由对先验信息依赖性强、易导致模型过拟合的问题.通过使用高斯混合模型(GMM)来拟合低级矩阵胶囊,并利用变分法求取近似分布,避免了参数最大似然点估计的误差,用置信度评估来获得泛化性能的提高;其次,考虑到实际数据大多无标签或者标注困难,构建互信息评价标准的胶囊自编码器,实现特征参数的有效筛选.即通过引入局部编码器,只保留胶囊中对原始输入识别最有效的特征,在减轻网络负担的同时提高了其分类识别的精准性.该文的方法在MNIST,FashionMNIST,CIFAR-10和CIFAR-100等数据集上进行了对比测试,实验结果表明:该文方法对比经典胶囊网络,其性能得到显著改善.
doi_str_mv 10.11999/JEIT201094
format Article
fullrecord <record><control><sourceid>wanfang_jour</sourceid><recordid>TN_cdi_wanfang_journals_dzkxxk202111027</recordid><sourceformat>XML</sourceformat><sourcesystem>PC</sourcesystem><wanfj_id>dzkxxk202111027</wanfj_id><sourcerecordid>dzkxxk202111027</sourcerecordid><originalsourceid>FETCH-wanfang_journals_dzkxxk2021110273</originalsourceid><addsrcrecordid>eNpjYBA2NNAzNLS0tNT3cvUMMTIwNLA0YWHgNDQwsNQ1tbA042DgLS7OMjAwMDQ2MjOzNOJkcHo6f9eTXX1Pdk16sn_hs8b1L9pXPd8z7fmCxqeTep72z3ja0fZi-_rnUzY-n9Xyonnb09ldz_dOfL57zvPdk5_Na3myZ8bTnmk8DKxpiTnFqbxQmptB3c01xNlDtzwxLy0xLz0-K7-0KA8oE59SlV1RkW1kYGRoaGhgZG5MvEoA0_5Xxg</addsrcrecordid><sourcetype>Aggregation Database</sourcetype><iscdi>true</iscdi><recordtype>article</recordtype></control><display><type>article</type><title>基于互信息自编码和变分路由的胶囊网络结构优化</title><source>Alma/SFX Local Collection</source><creator>鲍静益 ; 徐宁 ; 尚蕴浩 ; 楚昕</creator><creatorcontrib>鲍静益 ; 徐宁 ; 尚蕴浩 ; 楚昕</creatorcontrib><description>TP181%TN911.73; 胶囊网络是一类有别于卷积神经网络的新型网络模型.该文尝试提高其泛化性和精准性:首先,利用变分路由来缓解经典路由对先验信息依赖性强、易导致模型过拟合的问题.通过使用高斯混合模型(GMM)来拟合低级矩阵胶囊,并利用变分法求取近似分布,避免了参数最大似然点估计的误差,用置信度评估来获得泛化性能的提高;其次,考虑到实际数据大多无标签或者标注困难,构建互信息评价标准的胶囊自编码器,实现特征参数的有效筛选.即通过引入局部编码器,只保留胶囊中对原始输入识别最有效的特征,在减轻网络负担的同时提高了其分类识别的精准性.该文的方法在MNIST,FashionMNIST,CIFAR-10和CIFAR-100等数据集上进行了对比测试,实验结果表明:该文方法对比经典胶囊网络,其性能得到显著改善.</description><identifier>ISSN: 1009-5896</identifier><identifier>DOI: 10.11999/JEIT201094</identifier><language>chi</language><publisher>常州工学院 常州 213032%河海大学常州校区 常州 213022</publisher><ispartof>电子与信息学报, 2021, Vol.43 (11), p.3309-3318</ispartof><rights>Copyright © Wanfang Data Co. Ltd. All Rights Reserved.</rights><lds50>peer_reviewed</lds50><woscitedreferencessubscribed>false</woscitedreferencessubscribed></display><links><openurl>$$Topenurl_article</openurl><openurlfulltext>$$Topenurlfull_article</openurlfulltext><thumbnail>$$Uhttp://www.wanfangdata.com.cn/images/PeriodicalImages/dzkxxk/dzkxxk.jpg</thumbnail><link.rule.ids>314,776,780,4010,27900,27901,27902</link.rule.ids></links><search><creatorcontrib>鲍静益</creatorcontrib><creatorcontrib>徐宁</creatorcontrib><creatorcontrib>尚蕴浩</creatorcontrib><creatorcontrib>楚昕</creatorcontrib><title>基于互信息自编码和变分路由的胶囊网络结构优化</title><title>电子与信息学报</title><description>TP181%TN911.73; 胶囊网络是一类有别于卷积神经网络的新型网络模型.该文尝试提高其泛化性和精准性:首先,利用变分路由来缓解经典路由对先验信息依赖性强、易导致模型过拟合的问题.通过使用高斯混合模型(GMM)来拟合低级矩阵胶囊,并利用变分法求取近似分布,避免了参数最大似然点估计的误差,用置信度评估来获得泛化性能的提高;其次,考虑到实际数据大多无标签或者标注困难,构建互信息评价标准的胶囊自编码器,实现特征参数的有效筛选.即通过引入局部编码器,只保留胶囊中对原始输入识别最有效的特征,在减轻网络负担的同时提高了其分类识别的精准性.该文的方法在MNIST,FashionMNIST,CIFAR-10和CIFAR-100等数据集上进行了对比测试,实验结果表明:该文方法对比经典胶囊网络,其性能得到显著改善.</description><issn>1009-5896</issn><fulltext>true</fulltext><rsrctype>article</rsrctype><creationdate>2021</creationdate><recordtype>article</recordtype><recordid>eNpjYBA2NNAzNLS0tNT3cvUMMTIwNLA0YWHgNDQwsNQ1tbA042DgLS7OMjAwMDQ2MjOzNOJkcHo6f9eTXX1Pdk16sn_hs8b1L9pXPd8z7fmCxqeTep72z3ja0fZi-_rnUzY-n9Xyonnb09ldz_dOfL57zvPdk5_Na3myZ8bTnmk8DKxpiTnFqbxQmptB3c01xNlDtzwxLy0xLz0-K7-0KA8oE59SlV1RkW1kYGRoaGhgZG5MvEoA0_5Xxg</recordid><startdate>2021</startdate><enddate>2021</enddate><creator>鲍静益</creator><creator>徐宁</creator><creator>尚蕴浩</creator><creator>楚昕</creator><general>常州工学院 常州 213032%河海大学常州校区 常州 213022</general><scope>2B.</scope><scope>4A8</scope><scope>92I</scope><scope>93N</scope><scope>PSX</scope><scope>TCJ</scope></search><sort><creationdate>2021</creationdate><title>基于互信息自编码和变分路由的胶囊网络结构优化</title><author>鲍静益 ; 徐宁 ; 尚蕴浩 ; 楚昕</author></sort><facets><frbrtype>5</frbrtype><frbrgroupid>cdi_FETCH-wanfang_journals_dzkxxk2021110273</frbrgroupid><rsrctype>articles</rsrctype><prefilter>articles</prefilter><language>chi</language><creationdate>2021</creationdate><toplevel>peer_reviewed</toplevel><toplevel>online_resources</toplevel><creatorcontrib>鲍静益</creatorcontrib><creatorcontrib>徐宁</creatorcontrib><creatorcontrib>尚蕴浩</creatorcontrib><creatorcontrib>楚昕</creatorcontrib><collection>Wanfang Data Journals - Hong Kong</collection><collection>WANFANG Data Centre</collection><collection>Wanfang Data Journals</collection><collection>万方数据期刊 - 香港版</collection><collection>China Online Journals (COJ)</collection><collection>China Online Journals (COJ)</collection><jtitle>电子与信息学报</jtitle></facets><delivery><delcategory>Remote Search Resource</delcategory><fulltext>fulltext</fulltext></delivery><addata><au>鲍静益</au><au>徐宁</au><au>尚蕴浩</au><au>楚昕</au><format>journal</format><genre>article</genre><ristype>JOUR</ristype><atitle>基于互信息自编码和变分路由的胶囊网络结构优化</atitle><jtitle>电子与信息学报</jtitle><date>2021</date><risdate>2021</risdate><volume>43</volume><issue>11</issue><spage>3309</spage><epage>3318</epage><pages>3309-3318</pages><issn>1009-5896</issn><abstract>TP181%TN911.73; 胶囊网络是一类有别于卷积神经网络的新型网络模型.该文尝试提高其泛化性和精准性:首先,利用变分路由来缓解经典路由对先验信息依赖性强、易导致模型过拟合的问题.通过使用高斯混合模型(GMM)来拟合低级矩阵胶囊,并利用变分法求取近似分布,避免了参数最大似然点估计的误差,用置信度评估来获得泛化性能的提高;其次,考虑到实际数据大多无标签或者标注困难,构建互信息评价标准的胶囊自编码器,实现特征参数的有效筛选.即通过引入局部编码器,只保留胶囊中对原始输入识别最有效的特征,在减轻网络负担的同时提高了其分类识别的精准性.该文的方法在MNIST,FashionMNIST,CIFAR-10和CIFAR-100等数据集上进行了对比测试,实验结果表明:该文方法对比经典胶囊网络,其性能得到显著改善.</abstract><pub>常州工学院 常州 213032%河海大学常州校区 常州 213022</pub><doi>10.11999/JEIT201094</doi></addata></record>
fulltext fulltext
identifier ISSN: 1009-5896
ispartof 电子与信息学报, 2021, Vol.43 (11), p.3309-3318
issn 1009-5896
language chi
recordid cdi_wanfang_journals_dzkxxk202111027
source Alma/SFX Local Collection
title 基于互信息自编码和变分路由的胶囊网络结构优化
url https://sfx.bib-bvb.de/sfx_tum?ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2025-01-30T03%3A02%3A09IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-wanfang_jour&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.genre=article&rft.atitle=%E5%9F%BA%E4%BA%8E%E4%BA%92%E4%BF%A1%E6%81%AF%E8%87%AA%E7%BC%96%E7%A0%81%E5%92%8C%E5%8F%98%E5%88%86%E8%B7%AF%E7%94%B1%E7%9A%84%E8%83%B6%E5%9B%8A%E7%BD%91%E7%BB%9C%E7%BB%93%E6%9E%84%E4%BC%98%E5%8C%96&rft.jtitle=%E7%94%B5%E5%AD%90%E4%B8%8E%E4%BF%A1%E6%81%AF%E5%AD%A6%E6%8A%A5&rft.au=%E9%B2%8D%E9%9D%99%E7%9B%8A&rft.date=2021&rft.volume=43&rft.issue=11&rft.spage=3309&rft.epage=3318&rft.pages=3309-3318&rft.issn=1009-5896&rft_id=info:doi/10.11999/JEIT201094&rft_dat=%3Cwanfang_jour%3Edzkxxk202111027%3C/wanfang_jour%3E%3Curl%3E%3C/url%3E&disable_directlink=true&sfx.directlink=off&sfx.report_link=0&rft_id=info:oai/&rft_id=info:pmid/&rft_wanfj_id=dzkxxk202111027&rfr_iscdi=true