稀疏认知学习、计算与识别的研究进展

被引：19

作者：

焦李成 ^{[1
]}

赵进 ^{[1
]}

杨淑媛 ^{[1
]}

刘芳 ^{[1
,2
]}

谢雯 ^{[1
]}

机构：

[1] 西安电子科技大学智能感知与图像理解教育部重点实验室国际智能感知与计算联合研究中心

[2] 不详

来源：

计算机学报 | 2016年 / 39卷 / 04期

基金：

国家自然科学基金重大研究计划;

关键词：

稀疏编码; 结构化稀疏; 层次化稀疏; 视觉皮层; 稀疏认知学习; 计算与识别; 认知计算; 机器学习; 人工智能;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

稀疏认知学习、计算与识别是近年来受到国际学术界广泛关注的学术前沿领域,这一新的学习、计算与识别范式将对机器学习、模式识别、计算智能以及大数据等领域的研究产生变革性的影响.为能更好地把握其发展规律,本文以生物视觉稀疏认知机理的研究进展为依据,通过对生物视觉稀疏认知机理的学习及建模,详细地评述了稀疏编码模型、结构化稀疏模型和层次化稀疏模型的研究进展,并阐释这3种模型之间的区别与联系;以及概述稀疏认知计算模型目标识别应用的研究状况,并举例给出了稀疏认知计算模型的具体成果;最后总结了这一新范式存在的一些问题及可进一步研究的方向,以期引起更多的研究同行对这一具有交叉性和发展性方向的关注.

引用

页码：835 / 852

页数：18

共 34 条

[1] 结构化压缩感知研究进展[J]. 刘芳,武娇,杨淑媛,焦李成.自动化学报. 2013(12)
[2] 视觉认知计算模型综述
黄凯奇
谭铁牛
[J]. 模式识别与人工智能, 2013, 26 (10) : 951 - 958
[3] 从稀疏到结构化稀疏:贝叶斯方法
孙洪
张智林
余磊
[J]. 信号处理, 2012, (06) : 759 - 773
[4] 基于HMAX模型和非经典感受野抑制的轮廓提取
赵宏伟
崔弘睿
戴金波
臧雪柏
[J]. 吉林大学学报(工学版), 2012, 42 (01) : 128 - 133
[5] 压缩感知回顾与展望
焦李成
杨淑媛
刘芳
侯彪
[J]. 电子学报, 2011, 39 (07) : 1651 - 1662
[6] L1/2 regularization[J]. XU ZongBen 1 , ZHANG Hai 1,2 , WANG Yao 1 , CHANG XiangYu 1 & LIANG Yong 3 1 Institute of Information and System Science, Xi’an Jiaotong University, Xi’an 710049, China;2 Department of Mathematics, Northwest University, Xi’an 710069, China;3 University of Science and Technology, Macau 999078, China.Science China(Information Sciences). 2010(06)
[7] 基于灵长类视觉皮层的目标识别模型综述
姚行中
鲁统伟
胡汉平
[J]. 模式识别与人工智能, 2009, 22 (04) : 581 - 588
[8] 视像整体特征在人类初级视皮层上的稀疏表象:脑功能成像的证据
赵松年
姚力
金真
熊小云
邬霞
邹琪
姚国正
蔡晓红
刘一军
[J]. 科学通报, 2008, (11) : 1296 - 1304
[9] 感受野研究的现状和进展
李奕萍
赵丹丹
马麟
刘谊
[J]. 华西医学, 2008, (03) : 640 - 641
[10] 视皮层分区及其fMRI研究进展
周扬
王健
[J]. 现代生物医学进展, 2006, (09) : 79 - 81

← 1 2 3 4 →