4、视觉 - 大脑模型：从认知系统到人脸识别的应用

视觉 - 大脑模型：从认知系统到人脸识别的应用

1. 认知系统概述

1.1 高维数据问题与解决方案

在人脸识别和图像识别领域，高维数据问题是一大挑战。为解决此问题，可寻求将输入数据转换为特征向量的最优变换，缓解特征提取中的问题。具体方法包括特征子集选择、变量排序、随机森林、随机特征提取和深度神经网络等。

1.2 广义学习系统（BLS）介绍

BLS 作为深度学习网络中的一种替代学习方式，以映射特征为输入，逐步重新学习或更新视觉系统。映射特征由输入数据生成，用于形成特征节点，部分映射特征还会进一步增强为增强节点。与深度神经网络不同，BLS 使用伪逆的岭回归来寻找所需的连接权重。

1.3 BLS 节点生成与输出公式

• 映射特征生成 ：假设输入数据 $X$ 有 $N$ 个样本，维度为 $M$，则映射特征（用于形成特征节点）可按以下公式生成：
  $Z_i = \varnothing (XW_{ei} + \beta_{ei})$，$i = 1, \ldots, n$。
  其中，$W_{ei}$ 和 $\beta_{ei}$ 是随机权重和偏置，$Z_i \equiv [Z_1, \ldots, Z_i]$ 表示前 $i$ 组映射特征。
• 增强节点生成 ：增强节点可由映射特征（特征节点）以类似方式生成：
  $H_m \equiv \xi (Z_nW_{hm} + \beta_{hm})$，$m = 1, 2, \ldots$
  其中，$W_{hm}$ 和 $\beta_{hm}$ 分