江苏科技信息 ›› 2017, Vol. 34 ›› Issue (28): 72-74.doi: 10.3969/j.issn.1004-7530.2017.28.016
• 论文 • 上一篇 下一篇
张赛, 芮挺, 李华兵, 方虎生
出版日期:
发布日期:
Zhang Sai, Rui Ting, Li Huabing, Fang Husheng
Online:
Published:
摘要: 对于通过各种途径传播的海量信息(图像、语音及文本等)在传输途中可能会导致信息部分受损或丢失的问题,文章提出一种基于无监督学习自动编码器(Auto-Encoder,AE)用于监督学习的新方法,对受损数据进行重构.新方法模型与无监督自动编码器模型相比,提高了模型对特征的表达能力,丰富了特征"字典"的表达内容.文章以Mnist手写字符样本库通过添加噪声的方式模拟受损样本对新模型进行测试验证.实验表明,文章提出的新方法对受损图像重构具有良好的效果.
关键词: 监督学习, 自动编码器, 图像重构, 特征表达
张赛, 芮挺, 李华兵, 方虎生. 基于监督学习自动编码器图像重构[J]. 江苏科技信息, 2017, 34(28): 72-74.
0 / / 推荐
导出引用管理器 EndNote|Reference Manager|ProCite|BibTeX|RefWorks
链接本文: https://qkcb.jssti.cn/jskj/CN/10.3969/j.issn.1004-7530.2017.28.016
https://qkcb.jssti.cn/jskj/CN/Y2017/V34/I28/72