CVPRNov, 2020
通过神经网络和稀疏编码同时训练来学习不完整特征
Learning from Incomplete Features by Simultaneous Training of Neural Networks and Sparse Coding
Cesar F. Caiafa, Ziyao Wang, Jordi Solé-Casals, Qibin Zhao
TL;DR该研究解决了在有不完整的特征数据集的情况下训练分类器的问题,开发了一种新的有监督学习方法,在假设数据矢量在未知字典上是稀疏表示的条件下,使用每个样本的特征子集来训练一个通用分类器,并且通过提出的充分条件,该方法在人工和公开数据集上验证其理论的有效性。