多媒体信号处理的数学理论前沿进展

发布时间：2022-04-15 23:02

　　深度学习模型广泛应用于多媒体信号处理领域,通过引入非线性能够极大地提升性能,但是其黑箱结构无法解析地给出最优点和优化条件。因此如何利用传统信号处理理论,基于变换/基映射模型逼近深度学习模型,解析优化问题,成为当前研究的前沿问题。本文从信号处理的基础理论出发,分析了当前针对高维非线性非规则结构方法的数学模型和理论边界,主要包括:结构化稀疏表示模型、基于框架理论的深度网络模型、多层卷积稀疏编码模型以及图信号处理理论。详细描述了基于组稀疏性和层次化稀疏性的表示模型和优化方法,分析基于半离散框架和卷积稀疏编码构建深度/多层网络模型,进一步在非欧氏空间上扩展形成图信号处理模型,并对国内外关于记忆网络的研究进展进行了比较。最后,展望了多媒体信号处理的理论模型发展,认为图信号处理通过解析谱图模型的数学性质,解释其中的关联性,为建立广义的大规模非规则多媒体信号处理模型提供理论基础,是未来研究的重要领域之一。 

【文章页数】：18 页

【文章目录】：
0 引言
1 国际研究现状
    1.1 结构化稀疏表示模型
        1.1.1 组稀疏性
        1.1.2 层次化稀疏性
    1.2 基于框架理论的深度网络模型
    1.3 卷积稀疏编码模型
        1.3.1 快速傅里叶变换(FFT)
        1.3.2 Toeplitz展开
        1.3.3 应用
    1.4 图卷积神经网络
2 国内研究进展
    2.1 结构化稀疏表示模型
    2.2 基于框架理论的深度网络模型
    2.3 卷积稀疏编码模型
    2.4 图卷积神经网络
3 国内外研究进展比较
4 发展趋势与展望



本文编号：3645861