首页> 中文期刊> 《电脑知识与技术》 >基于四元数的卷积核编码方式研究

基于四元数的卷积核编码方式研究

         

摘要

近年来,随着人工智能的飞速发展,深度学习领域也得到了极大关注。卷积神经网路是深度学习研究领域中的一个重要方向。然而现有的卷积神经网路模型在卷积核层面只能处理二维数据。鉴于此目的,该文提出四元数卷积神经网络模型(Quaternions Convolutional Neural Network,QCNN),目的是在卷积核层面可以处理三维数据,充分挖掘图像信息。该文首先介绍了四元数神经元模型,然后提出了四元数感受野模型、四元数卷积神经网络的输入和四元数特征图生成模型,创建了四元数卷积神经网络,并层次递进的构建了四元数卷积神经网络模型的拓扑结构,最后用四元数BP算法训练学习整个网络。QCNN将CNN的数据处理从2维扩展到3维,并利用四元数的代数几何理论,充分融合不同维度的特征信息。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号