nach oben

Neural Computing and Applications

Erschienen in:

01.10.2010 | Original Article

Reconstruction and recognition of face and digit images using autoencoders

verfasst von: Chun Chet Tan, C. Eswaran

Erschienen in: Neural Computing and Applications | Ausgabe 7/2010

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config

KI-gestützte Suche

Aus

Abstract

This paper presents techniques for image reconstruction and recognition using autoencoders. Experiments are conducted to compare the performances of three types of autoencoder neural networks based on their efficiency of reconstruction and recognition. Reconstruction error and recognition rate are determined in all the three cases using the same architecture configuration and training algorithm. The results obtained with autoencoders are also compared with those obtained using principal component analysis method. Instead of whole images, image patches are used for training, and this leads to much simpler autoencoder architectures and reduced training time.

Vorheriger Artikel Performance evaluation of a non-linear error model for underwater range computation utilizing GPS sonobuoys

Nächster Artikel A Chilean seismic regionalization through a Kohonen neural network

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 340 Zeitschriften

aus folgenden Fachgebieten:

Bauwesen + Immobilien
Business IT + Informatik
Finance + Banking
Management + Führung
Marketing + Vertrieb
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 390 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Maschinenbau + Werkstoffe

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

über 102.000 Bücher
über 537 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Finance + Banking
Management + Führung
Marketing + Vertrieb
Maschinenbau + Werkstoffe
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Hinton GE, Salakhutdinov RR (2006) Reducing the dimensionality of data with neural networks. Science 313:504–507CrossRefMathSciNet

Bengio Y, Lamblin P, Popovici D, Larochelle H (2006) Greedy layer-wise training of deep networks. Advances in Neural Information Processing Systems 19. MIT Press, Cambridge, Tech Rep 1282, Aug 2006

Tan CC, Eswaran C (2009) Using autoencoders for mammogram compression. J Med Syst. doi:10.1007/s10916-009-9340-3

Polak E, Ribiére G (1969) Note sur la convergence de methods de directions conjures. Revue Francais Information Recherche Operationnelle 16:35–43

Larochelle H, Erhan D, Courville A, Bergstra J, Bengio Y (2007) An empirical evaluation of deep architectures on problems with many factors of variation. In: Proceedings of the 24th international conference on machine learning (ICLM). ACM, Corvalis, Oregon, USA, pp 473–480

Hinton GE, Boltzmann Machine. Online. Scholarpedia, 2(5):1668. Available: http://urn.kb.se/resolve?urn=urn:nbn:se:liu:diva-5586

Tee YW, Hinton GE (2000) Rate-coded Restricted Boltzmann Machines for face recognition. In: Neural information processing systems 13. MIT Press, Cambridge, pp 908–914

Salakhutdinov R, Mnih A, Hinton G (2007) Restricted Boltzmann machines for collaborative filtering. In: Proceedings of the 24th International Conference on Machine Learning. Corvallis, OR, USA, pp 791–798

Cover T, Hart P Nearest neighbor pattern classification. IEEE Trans Inf Theory 13(1):21–27

10.

Hinton GE, Revow M, Dayan P (1995) Recognizing handwritten digits using mixtures of linear models. In: Tesauro G, Touretzky DS, Leen TK (eds) Advances in neural information processing systems 7. MIT Press, Cambridge, pp 1015–1022

11.

Hinton GE, Dayan P, Revow M (1997) Modeling the manifolds of images of handwritten digits. IEEE Trans Neural Netw 8(1):65–74CrossRef

12.

Hinton GE, Salakhutdinov RR (2006) Supporting online material for reducing the dimensionality of data with neural networks. Science 313(5786), Online. Available: http://www.sciencemag.org/cgi/content/full/313/5786/504/DC1

Titel: Reconstruction and recognition of face and digit images using autoencoders
verfasst von: Chun Chet Tan
C. Eswaran
Publikationsdatum: 01.10.2010
Verlag: Springer-Verlag
Erschienen in: Neural Computing and Applications / Ausgabe 7/2010
Print ISSN: 0941-0643
Elektronische ISSN: 1433-3058
DOI: https://doi.org/10.1007/s00521-010-0378-4

Springer Professional

Abstract

Bitte loggen Sie sich ein, um Zugang zu Ihrer Lizenz zu erhalten.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft"

Springer Professional "Technik"

Springer Professional "Wirtschaft+Technik"

Weitere Artikel der Ausgabe 7/2010

A robust training algorithm of discrete-time MIMO RNN and application in fault tolerant control of robotic system

On finite Newton method for support vector regression

Performance evaluation of a non-linear error model for underwater range computation utilizing GPS sonobuoys

A Chilean seismic regionalization through a Kohonen neural network

Fractal initialization for high-quality mapping with self-organizing maps

A simplified linguistic information feedback-based dynamical fuzzy system

Premium Partner