文档名：基于稀疏降噪自编码器的深度置信网络
传统的深度置信网络(DBN)采用随机初始化受限玻尔兹曼机(RBM)的权值和偏置的方法初始化网络.虽然这在一定程度上克服了由BP算法带来的易陷入局部最优和训练时间长的问题,但随机初始化仍然会导致网络重构和原始输入的较大差别,这使得网络无论在准确率还是学习效率上都无法得到进一步提升.针对以上问题,提出一种基于稀疏降噪自编码器(SDAE)的深度网络模型,其核心是稀疏降噪自编码器对数据的特征提取.首先,训练稀疏降噪自编码;然后,用训练后得到的权值和偏置来初始化深度置信网络;最后,训练深度置信网络.在PokerHand纸牌游戏数据集和MNIST、USPS手写数据集上测试模型性能,在PokerHand数据集下,方法的误差率比传统的深度置信网络降低46.4％,准确率和召回率依次提升15.56％和14.12％.实验结果表明,所提方法能有效地改善模型性能.
作者：曾安 张艺楠 潘丹 Xiao-WeiSong
作者单位：广东工业大学计算机学院,广州510006广东建设职业技术学院现代教育技术中心,广州510440西蒙弗雷泽大学影像技术实验室,加拿大温哥华V6B5K3
母体文献：第十七届中国Rough集与软计算学术会议、第十一届中国Web智能学术研讨会、第十一届中国粒计算研讨会及第五届三支决策学术会议联合会议(CRSSC-CWI-CGrC-3WD2017)论文集
会议名称：第十七届中国Rough集与软计算学术会议、第十一届中国Web智能学术研讨会、第十一届中国粒计算研讨会及第五届三支决策学术会议联合会议(CRSSC-CWI-CGrC-3WD2017)
会议时间：2017年5月26日
会议地点：合肥
主办单位：中国计算机学会,中国人工智能学会
语种：chi
分类号：
关键词：深度置信网络 数据处理 特征提取 编码器
在线出版日期：2018年7月24日
基金项目：
相似文献
相关博文
- 文件大小:
- 878.42 KB
- 下载次数:
- 60
-
高速下载
|
|
