数据融合是最大程度发挥大数据价值的关键,深度学习是挖掘数据深层特征信息的技术利器,基于深度学习的数据融合能够充分挖掘大数据潜在价值,从新的深度和广度拓展对世界的探索和认识。本文综述了近几年基于深度学习的数据融合方法的相关文献,以此了解深度学习在数据融合中应用所具有的优势。首先,分类阐述常见的数据融合方法,同时指出这些方法的优点和不足;接着,从基于深度学习特征提取的数据融合方法、基于深度学习融合的数据融合方法、基于深度学习全过程的数据融合方法三个方面对基于深度学习的数据融合方法进行分析,并做了对比研究与总结;最后,总结全文,讨论了深度学习在数据融合中应用的难点和未来需要进一步研究的问题。

https://kns.cnki.net/kcms/detail/detail.aspx?dbcode=CAPJ&dbname=CAPJLAST&filename=JSGG20201119008&v=UVJbamaWiqPhx%25mmd2F%25mmd2BOu5dHCwhPPmxv19yW5mC2ZX1%25mmd2Bqh0bZ9gpg2gmEH78ZzOsc7eT

成为VIP会员查看完整内容
132

相关内容

机器学习的一个分支,它基于试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的一系列算法。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
专知会员服务
29+阅读 · 2021年1月9日
专知会员服务
21+阅读 · 2021年1月5日
专知会员服务
45+阅读 · 2020年12月4日
时空序列预测方法综述
专知会员服务
158+阅读 · 2020年10月18日
专知会员服务
66+阅读 · 2020年10月2日
基于知识图谱的推荐系统研究综述
专知会员服务
324+阅读 · 2020年8月10日
深度学习目标检测方法综述
专知会员服务
268+阅读 · 2020年8月1日
基于深度学习的表面缺陷检测方法综述
专知会员服务
92+阅读 · 2020年5月31日
基于深度学习的多标签生成研究进展
专知会员服务
140+阅读 · 2020年4月25日
专知会员服务
109+阅读 · 2020年3月20日
领域知识图谱研究综述
专知
15+阅读 · 2020年8月2日
基于图神经网络的聚类研究与应用
THU数据派
10+阅读 · 2020年5月29日
基于深度学习的视频目标检测综述
CVer
7+阅读 · 2019年6月9日
图神经网络综述:模型与应用
PaperWeekly
196+阅读 · 2018年12月26日
Arxiv
0+阅读 · 2021年2月6日
Arxiv
24+阅读 · 2021年1月25日
One-Class Classification: A Survey
Arxiv
7+阅读 · 2021年1月8日
Advances and Open Problems in Federated Learning
Arxiv
18+阅读 · 2019年12月10日
Arxiv
3+阅读 · 2019年3月1日
Arxiv
3+阅读 · 2018年3月22日
Arxiv
5+阅读 · 2017年4月12日
VIP会员
相关VIP内容
专知会员服务
29+阅读 · 2021年1月9日
专知会员服务
21+阅读 · 2021年1月5日
专知会员服务
45+阅读 · 2020年12月4日
时空序列预测方法综述
专知会员服务
158+阅读 · 2020年10月18日
专知会员服务
66+阅读 · 2020年10月2日
基于知识图谱的推荐系统研究综述
专知会员服务
324+阅读 · 2020年8月10日
深度学习目标检测方法综述
专知会员服务
268+阅读 · 2020年8月1日
基于深度学习的表面缺陷检测方法综述
专知会员服务
92+阅读 · 2020年5月31日
基于深度学习的多标签生成研究进展
专知会员服务
140+阅读 · 2020年4月25日
专知会员服务
109+阅读 · 2020年3月20日
相关论文
Arxiv
0+阅读 · 2021年2月6日
Arxiv
24+阅读 · 2021年1月25日
One-Class Classification: A Survey
Arxiv
7+阅读 · 2021年1月8日
Advances and Open Problems in Federated Learning
Arxiv
18+阅读 · 2019年12月10日
Arxiv
3+阅读 · 2019年3月1日
Arxiv
3+阅读 · 2018年3月22日
Arxiv
5+阅读 · 2017年4月12日
微信扫码咨询专知VIP会员