Resumen

En este documento, se lleva a cabo un estudio y análisis exhaustivo del modelado de atributos y la adquisición de conocimiento de imágenes masivas utilizando el reconocimiento de imágenes. Debido a la complejidad de las relaciones de asociación entre atributos de datos incompletos, se propone un método de modelado de subred de salida única para datos incompletos para construir un modelo de red neuronal con cada atributo faltante como salida individual y otros atributos como entrada a su vez, y la estructura de la red puede retratar profundamente las relaciones de asociación entre cada atributo y otros atributos. Para abordar el problema de entradas de modelo incompletas debido a la presencia de valores faltantes, proponemos tratar y describir los valores faltantes como variables a nivel de sistema y realizar la actualización alternativa de los parámetros de red y el relleno dinámico de valores faltantes a través del aprendizaje iterativo entre subredes. El método puede utilizar eficazmente la información de todos los valores de atributos presentes en datos incompletos, y el modelo de población de subred obtenido

• Materias:Ecuaciones diferenciales parciales Ecuación de difusión Sistema de discriminación Singularidad Acoplamiento electromecánico
• Subjects:Partial differential equations Diffusion equation Discrimination system Singularity Electromechanical coupling
• Palabras claves:Reconocimiento de imágenes; Red neuronal; Datos incompletos; Modelado de atributos; Aprendizaje profundo; Red neuronal convolucional
• Keywords:Image recognition; Neural network; Incomplete data; Attribute modelling; Deep learning; Convolutional neural network