基于分层超完备字典稀疏表示的深度学习算法研究及应用

项目名称： 基于分层超完备字典稀疏表示的深度学习算法研究及应用

项目编号： No.61372132

项目类型： 面上项目

立项/批准年度： 2013

项目学科： 无线电电子学、电信技术

项目作者： 陈渤

作者单位： 西安电子科技大学

项目金额： 80万元

中文摘要： )：深度学习网络模型，在多个领域已获得较大的成功，受到人们显著关注。超完备字典表示方法可以挖掘数据内容并稀疏表示数据，因此，本项目将研究基于字典表示算法的深度学习网络，针对单层字典的设计、基于任务的稀疏表示、如何构造多层网络以及如何在目标识别领域的应用等问题开展研究，具体为以下4 项关键技术：1、在每一层基于小波和自适应字典学习两类模型，利用贝叶斯非参数自适应地进行模型选择和参数学习，并研究对应的多层网络的性能；2、研究基于不同数据表示形式（线性混合和卷积）的深度学习网络的框架模型；3、针对目标识别问题，解决如何在有限样本下利用类别信息构建基于任务的多层网络;4、将所提算法应用于雷达目标识别并给出与现有算法系统的性能比较。本项目研究融合了非参数贝叶斯技术、超完备字典与深度学习三个机器学习领域的热点，力求发展更有效的多层数据表示方法，为其在相关领域的应用尤其是雷达目标识别奠定坚实基础。

中文关键词： 概率模型；深度学习；贝叶斯非参数；目标识别；

英文摘要： There has been significant recent interest in multi-layered or "deep" models for representation of general data,while overcomplete dictionary provides an opportunity to explore the massive data with the redundant collections to fit the data of interest, w

英文关键词： Probabilistic Modeling；Deep Learning；Bayesian Nonparametric；Target Recognition；