VALSE学习(三):深度学习梯度讲解

VALSE2019 梯度之谜

一、报告摘要

机器学习的传统方法强调具有问题理解与理论基础的模型构建与算法
设计,而现代机器学习更强调依赖于数据数量与质量的深度学习策略。两类方法
从机理上通常认为存在显著的差异。本次报告将从梯度角度探讨两类方法论对于
学习问题认识的本质一致性,并基于该理解尝试引导出一类新型的半监督/ 无监
督深度学习方法,及其在图像去雨及低质量CT 图像增强方面的应用。

二、论文介绍

图像恢复:根据输入恢复原图。图像超分辨率,图像去燥,图像去模糊

模型驱动:用L2范数求最小距离

损失+正则项

由低秩构建稀疏矩阵得到非局部相似

基于模型遇到的问题:非凸模型、只适合非监督图像、超低预测速度

解决:有监督的数据、可解释、网络结构简单易于设计

 

 

 

 

 

 

 

 

 

 

 

 

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值