基于四元数的卷积核编码方式研究

• 作者: 方晓 茅廷 邱媛媛 陈宇珽 鲍毛毛
• 来源期刊: 电脑知识与技术：学术交流
• 学科: 工学
• 关键词: 卷积神经网路 四元数 四元数编码
• 年，卷（期）: 2017,（11）
• 页码范围: 269-272
• 页数: 4页
• 分类号: TP393

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。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	鲍毛毛		2	0	0.0	0.0
2	茅廷		2	0	0.0	0.0
3	陈宇珽		2	0	0.0	0.0
4	方晓		2	0	0.0	0.0
5	邱媛媛		2	0	0.0	0.0