CASIA OpenIR  > 学术期刊  > 自动化学报
解耦表征学习综述
文载道; 王佳蕊; 王小旭; 潘泉
Source Publication自动化学报
ISSN0254-4156
2022
Volume48Issue:2Pages:351-374
Abstract在大数据时代下,以高效自主隐式特征提取能力闻名的深度学习引发了新一代人工智能的热潮,然而其背后黑箱不可解释的“捷径学习”现象成为制约其进一步发展的关键性瓶颈问题.解耦表征学习通过探索大数据内部蕴含的物理机制和逻辑关系复杂性,从数据生成的角度解耦数据内部多层次、多尺度的潜在生成因子,促使深度网络模型学会像人类一样对数据进行自主智能感知,逐渐成为新一代基于复杂性的可解释深度学习领域内重要研究方向,具有重大的理论意义和应用价值.本文系统地综述了解耦表征学习的研究进展,对当前解耦表征学习中的关键技术及典型方法进行了分类阐述,分析并汇总了现有各类算法的适用场景并对此进行了可视化实验性能展示,最后指明了解耦表征学习今后的发展趋势以及未来值得研究的方向.
Keyword深度学习 捷径学习 潜在生成因子 智能感知 解耦表征学习
DOI10.16383/j.aas.c210096
Citation statistics
Document Type期刊论文
Identifierhttp://ir.ia.ac.cn/handle/173211/56405
Collection学术期刊_自动化学报
Recommended Citation
GB/T 7714
文载道,王佳蕊,王小旭,等. 解耦表征学习综述[J]. 自动化学报,2022,48(2):351-374.
APA 文载道,王佳蕊,王小旭,&潘泉.(2022).解耦表征学习综述.自动化学报,48(2),351-374.
MLA 文载道,et al."解耦表征学习综述".自动化学报 48.2(2022):351-374.
Files in This Item: Download All
File Name/Size DocType Version Access License
AAS-CN-2021-0096.pdf(42055KB)期刊论文出版稿开放获取CC BY-NC-SAView Download
Related Services
Recommend this item
Bookmark
Usage statistics
Export to Endnote
Google Scholar
Similar articles in Google Scholar
[文载道]'s Articles
[王佳蕊]'s Articles
[王小旭]'s Articles
Baidu academic
Similar articles in Baidu academic
[文载道]'s Articles
[王佳蕊]'s Articles
[王小旭]'s Articles
Bing Scholar
Similar articles in Bing Scholar
[文载道]'s Articles
[王佳蕊]'s Articles
[王小旭]'s Articles
Terms of Use
No data!
Social Bookmark/Share
File name: AAS-CN-2021-0096.pdf
Format: Adobe PDF
All comments (0)
No comment.
 

Items in the repository are protected by copyright, with all rights reserved, unless otherwise indicated.