可信多视图分类(TCM ETCM)算法实现数字序列的分类---基因致病的诊断
目录
一 论文解读
1.现有的基于cca的多视图算法无法提供可信的决策
2.可信多视图分类(TMC)算法
3.TMC区别于传统的深度神经网络分类器的关键点
4.增强型可信多视图分类
5 TMC模型的构建
步骤4:使用本文中的多任务策略和总体损失函数来优化模型。
二 论文复现与实验源码
数据准备
数据介绍
数据构造
代码构造
训练准备
实验结果
总结
一 论文解读
传统的多视图算法基本是将多视图信息与深度神经网络集成以此来获取准确的分类结果,但它们通常很容易产生不可靠的预测,特别是当视图没有得到很好的表示时(如来自异常传感器的信息)。因此,它们在安全关键应用中(例如,用计算机辅助诊断基因是否致病或自动驾驶)是有限的。这激发了论文作者引入一种新的多视图分类方法,以产生可信的决策。
1.现有的基于cca的多视图算法无法提供可信的决策
基于cca的多视图模型是广泛应用于多视图表示学