人工智能:模型融合、跨通道耦合

我們在做問題的分析的時候,往往會掌握多於一維的數據。比如,看電影的時候我們同時接收到了聲音和圖像的數據,又比如顏色信息往往包括了RGB三個通道的數據,再比如做實驗的時候我們往往會用到多個設備而不同設備的數據反映了實驗現象的不同側面,但我們分析的時候缺乏綜合的手段。模型融合和跨通道耦合正是提供了一種有力的思想,讓我們面對多維數據可以有效加以整合。

做法是:我們應對不同通道的數據分別建立模型加以描述,然後通過映射來集成不同通道的信息建立分析模型。通過比較對不同通道的映射關係(投影模式)來發現那些隱藏信息,比如進行分類。下圖就是一個跨通道模式的例子,左右兩圖代表了不同的通道中的數據,同一類數據在不同的通道里顯示了相近的映射模式。


人工智能:模型融合、跨通道耦合

圖1 跨通道融合中的知識發現


通過整合,我們就具有了一個上帝視角,可以看到現象的多個方面,比單通道內的數據分析增加了不同維度的信息,更有助於發現潛在規則。(這個思想與Boosting很像,但是它是針對數據本身而不是解決方案的。)


人工智能:模型融合、跨通道耦合


分享到:


相關文章: