研究简化数据处理以更有效地解决问题

北卡罗来纳州立大学的研究人员开发了一种新的分析方法，开辟了大门，以更快地处理大量信息，以及各种各样的领域应用，作为军事，医疗诊断和国土安全。

“我们地址的问题是这样：当面临大量数据时，您如何确定该信息的哪些部分与解决特定问题有关，”电气和计算机工程教授Joel Trussell博士说NC州和共同作者描述了该研究。“例如，根据视频收集的视觉数据，您如何选择将允许机器人区分水和实地之间的最小特征。”

这很重要，因为解决问题所需的数据越多，收集数据的越贵，处理数据的时间越长。“我们在这里所做的工作允许通过针对决策过程最重要的信息来实现更有效的数据集合，”Trussell说。“基本上，我们创建了一种新的算法，可用于确定以最小的错误率做出决定需要多少数据。”

本文讨论的新算法的一个应用程序是为了开发可以分析来自军用摄像机的高光谱数据，以识别潜在的目标。高光谱技术允许更精细地分辨人眼可见的光波长，尽管它也可以从红外光谱收集信息 - 这可以用于识别特定材料等。该算法可用于确保这样的程序将有效地运行，最小化数据存储需求并允许更快地处理数据。

但Trussell注意到“那里有很多问题，人们面临着大量的数据，视觉或其他方式 - 例如医学情况，医生可能具有来自多种成像测试的结果。例如，该算法将允许开发更有效的筛选过程，用于评估医学图像 - 例如乳房X线照片 - 来自一大群人。“

另一个潜在的申请是生物识别学，例如国土安全努力，以识别基于视频和摄像机图像的国土安全监督者席上的恐怖分子和其他人。

研究，“使用神经网络的混合规范惩罚函数的”限制性维度减少“，由美国陆军研究办公室资助，并由Trussell和Train Nc State Ph.D共同撰写。学生回文曾。这项工作在3月份发表了IEEE关于知识和数据工程的交易。

NC州电气计算机工程系是大学工程学院的一部分。

- 船员 -

编辑注：研究摘要跟随。

“使用具有神经网络的混合规范惩罚函数的”限制维度减少“

作者：北卡罗来纳州立大学汇文曾和H.J.Trussell

发表：2010年3月，IEEE关于知识和数据工程的交易

抽象的：减少分类问题的维度产生更多的计算有效系统。由于分类问题的维度等同于网络的第一隐藏层中的神经元数，因此该工作显示了如何消除该层上的神经元并简化问题。在没有分类性能的情况下无法减少维度的情况下，我们制定并解决受限制的优化问题，允许在维度和性能之间进行权衡。我们介绍了一种新的惩罚功能，并将其与Bi-Level优化相结合以解决受约束的问题。我们对合成和应用问题的方法的性能优于其他已知的惩罚功能，例如重量衰减，减重和Hoyer的功能。高光谱图像分类的维度降低的一个例子表明了新方法的实用性。最后，我们展示了如何扩展到多层和多级神经网络问题的方法。