期刊专题

10.13328/j.cnki.jos.006167

可靠多模态学习综述

姜远1杨杨2熊辉3詹德川1
1.南京理工大学; 2.南京大学;
引用
(0)
收藏
近年来,多模态学习逐步成为机器学习、数据挖掘领域的研究热点之一,并成功地应用于诸多现实场景中,如跨媒介搜索、多语言处理、辅助信息点击率预估等.传统多模态学习方法通常利用模态间的一致性或互补性设计相应的损失函数或正则化项进行联合训练,进而提升单模态及集成的性能.而在开放环境下,受数据缺失及噪声等因素的影响,多模态数据呈现不均衡性.具体表现为单模态信息不充分或缺失,从而导致“模态表示强弱不一致”“模态对齐关联不一致”两大挑战,而针对不均衡多模态数据直接利用传统的多模态方法甚至会退化单模态和集成的性能.针对这类问题,可靠多模态学习被提出并进行了广泛研究,系统地总结和分析了目前国内外学者针对可靠多模态学习取得…展开v

不均衡多模态数据、模态表示强弱不一致、模态对齐关联不一致、可靠多模态学习

32

TP391(计算技术、计算机技术)

国家自然科学基金;江苏省自然科学基金;CCF-百度松果基金;百度TIC项目基金

2021-04-28(万方平台首次上网日期,不代表论文的发表时间)

共15页

1067-1081

暂无封面信息
查看本期封面目录

软件学报

北大核心CSTPCDEI

1000-9825

11-2560/TP

32

2021,32(4)

月卡
- 期刊畅读卡 -
¥68
季卡
- 期刊畅读卡 -
¥128
年卡
- 期刊畅读卡 -
¥199
年卡
- 超级文献套餐 -
¥499
查重
- 个人文献检测 -
快速入口
开通阅读并同意
《万方数据会员(个人)服务协议》

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn