Publication

Deliverable 3.2: Report on Discovering Structure within Dictionary Learning

2011
Reports

Résumé

In this work package (WP), we investigate the possibility of discovering structure within dictionary learning. This could range from exploring groups of atoms that appear in clusters - a form of molecule learning - to learning graphical dependencies across the dictionary elements. In modeling a signal as a sparse combination of atoms, ties between atoms can be enforced. For example harmonic models Gabor dictionaries can be seen as this type of model. Here we aim to explore the "molecule-learning" problem - learning clusters of tied atoms - by generalizing existing dictionary learning methods. Our aim is to show that with this added feature, models tend to be more reliable towards the signals represented.

Source officielle

https://infoscience.epfl.ch/entities/publication/1332f6cb-d6e9-4c30-aaf8-77e3bc4bafab

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

2011
Reports

Résumé

Source officielle

https://infoscience.epfl.ch/entities/publication/1332f6cb-d6e9-4c30-aaf8-77e3bc4bafab

À propos de ce résultat

Concepts associés (32)

Sparse dictionary learning

Sparse dictionary learning (also known as sparse coding or SDL) is a representation learning method which aims at finding a sparse representation of the input data in the form of a linear combination of basic elements as well as those basic elements themselves. These elements are called atoms and they compose a dictionary. Atoms in the dictionary are not required to be orthogonal, and they may be an over-complete spanning set. This problem setup also allows the dimensionality of the signals being represented to be higher than the one of the signals being observed.

Apprentissage de représentations

En apprentissage automatique, l'apprentissage des caractéristiques ou apprentissage des représentations est un ensemble de techniques qui permet à un système de découvrir automatiquement les représentations nécessaires à la détection ou à la classification des caractéristiques à partir de données brutes. Cela remplace l'ingénierie manuelle des fonctionnalités et permet à une machine d'apprendre les fonctionnalités et de les utiliser pour effectuer une tâche spécifique.

Apprentissage profond

L'apprentissage profond ou apprentissage en profondeur (en anglais : deep learning, deep structured learning, hierarchical learning) est un sous-domaine de l’intelligence artificielle qui utilise des réseaux neuronaux pour résoudre des tâches complexes grâce à des architectures articulées de différentes transformations non linéaires. Ces techniques ont permis des progrès importants et rapides dans les domaines de l'analyse du signal sonore ou visuel et notamment de la reconnaissance faciale, de la reconnaissance vocale, de la vision par ordinateur, du traitement automatisé du langage.

Afficher plus

Publications associées (24)

Afficher plus

Deliverable 3.2: Report on Discovering Structure within Dictionary Learning

Chattez avec Graph Search

Optimizing optical nano-biosensors made of single-walled carbon nanotubes wrapped in single-stranded sequences of nucleotides for detection of molecules such as glucose and cancer biomarkers

Precise kinematic and muscle recording in freely behaving flies enabled by closed-loop tracking and annotation-free pose estimation

TopoTome: Topology-informed unsupervised segmentation and analysis of 3D images