1、背景建模和文本建模分別是計(jì)算機(jī)視覺和自然語言處理兩個(gè)人工智能領(lǐng)域關(guān)注的重點(diǎn)基礎(chǔ)問題。這兩個(gè)方向都是現(xiàn)今人工智能發(fā)展的前沿。
　　背景建模旨在為視頻序列生成一組穩(wěn)定的背景，是前景檢測、視頻監(jiān)控等應(yīng)用的基礎(chǔ)。傳統(tǒng)的背景建模模型往往關(guān)注局部信息的利用，而實(shí)際上，在真實(shí)的復(fù)雜視頻中，全局信息變化廣泛存在，大到光照變化，小到物體陰影都隨著時(shí)間發(fā)生變化。因此本文利用受限玻爾茲曼機(jī)針對(duì)全局信息進(jìn)行建模，針對(duì)視頻中相鄰的兩幀圖片學(xué)習(xí)到視頻的背景，

2、并且設(shè)計(jì)了一種自適應(yīng)的正則化項(xiàng)，能夠強(qiáng)迫模型生成的背景保持穩(wěn)定，也就使得模型能夠準(zhǔn)確找到背景信息。這是首次有科研工作將受限玻爾茲曼機(jī)應(yīng)用于背景建模任務(wù)中。
　　文本建模關(guān)注的是從文本中提取有用的信息，是自然語言處理領(lǐng)域的最常見的一類基礎(chǔ)任務(wù)。本文關(guān)注的是近年來備受學(xué)術(shù)界關(guān)注的詞向量模型工具包word2vec。目前，針對(duì)word2vec工具的解釋尚缺嚴(yán)謹(jǐn)和充分的研究。由受限的玻爾茲曼機(jī)啟發(fā)，本文設(shè)計(jì)了一種基于矩陣分解的模型——顯式矩