基于近端凸差分方法的多層卷積變換學(xué)習(xí)算法

摘要： 卷積變換學(xué)習(xí)(CTL)結(jié)合了無監(jiān)督學(xué)習(xí)與卷積神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn),通過無監(jiān)督的方式訓(xùn)練卷積核,是一種新興的稀疏表示方法.現(xiàn)有的單層CTL模型僅通過一層稀疏編碼,不僅難以有效提取輸入信號的深層語義信息,并且,基于l_0范數(shù)的CTL模型得到的稀疏解雖然稀疏度強(qiáng),但它的求解是一個(gè)NP-hard難題,而基于l₁范數(shù)的CTL模型則存在稀疏度不足和參數(shù)過度懲罰的問題.針對以上問題,本文提出了一... （共9頁）