本文關(guān)鍵詞：基于自動(dòng)編碼器組合的深度學(xué)習(xí)優(yōu)化方法

  更多相關(guān)文章： 深度學(xué)習(xí) 自動(dòng)編碼器 稀疏自動(dòng)編碼器 降噪自動(dòng)編碼器 卷積神經(jīng)網(wǎng)絡(luò)

【摘要】：為了提高自動(dòng)編碼器算法的學(xué)習(xí)精度,更進(jìn)一步降低分類任務(wù)的分類錯(cuò)誤率,提出一種組合稀疏自動(dòng)編碼器(SAE)和邊緣降噪自動(dòng)編碼器(m DAE)從而形成稀疏邊緣降噪自動(dòng)編碼器(Sm DAE)的方法,將稀疏自動(dòng)編碼器和邊緣降噪自動(dòng)編碼器的限制條件加載到一個(gè)自動(dòng)編碼器(AE)之上,使得這個(gè)自動(dòng)編碼器同時(shí)具有稀疏自動(dòng)編碼器的稀疏性約束條件和邊緣降噪自動(dòng)編碼器的邊緣降噪約束條件,提高自動(dòng)編碼器算法的學(xué)習(xí)能力。實(shí)驗(yàn)表明,稀疏邊緣降噪自動(dòng)編碼器在多個(gè)分類任務(wù)上的學(xué)習(xí)精度都高于稀疏自動(dòng)編碼器和邊緣降噪自動(dòng)編碼器的分類效果;與卷積神經(jīng)網(wǎng)絡(luò)(CNN)的對(duì)比實(shí)驗(yàn)也表明融入了邊緣降噪限制條件,而且更加魯棒的Sm DAE模型的分類精度比CNN還要好。
【作者單位】： 武漢科技大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院;智能信息處理與實(shí)時(shí)工業(yè)系統(tǒng)湖北省重點(diǎn)實(shí)驗(yàn)室;
【關(guān)鍵詞】： 深度學(xué)習(xí) 自動(dòng)編碼器 稀疏自動(dòng)編碼器 降噪自動(dòng)編碼器 卷積神經(jīng)網(wǎng)絡(luò)
【基金】：國家自然科學(xué)基金資助項(xiàng)目(61273225) 國家科技支撐計(jì)劃項(xiàng)目(2012BAC22B01)~~
【分類號(hào)】：TP183
【正文快照】： 0引言自動(dòng)編碼器(Auto-Encoder,AE)[1-2]是Rumelhart在1986年提出來的,其主要目的是對(duì)于一個(gè)給定的數(shù)據(jù)集學(xué)習(xí)壓縮的、分布式的特征表達(dá)。自動(dòng)編碼器是一個(gè)典型的三層結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò),輸入層和隱藏層之間是一個(gè)編碼的過程,隱藏層和輸出層之間是一個(gè)解碼的過程,通過對(duì)輸入數(shù)據(jù)進(jìn)

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前4條

1 曲建嶺;杜辰飛;邸亞洲;高峰;郭超然;;深度自動(dòng)編碼器的研究與展望[J];計(jì)算機(jī)與現(xiàn)代化;2014年08期

2 秦勝君;盧志平;;基于降噪自動(dòng)編碼器的不平衡情感分類研究[J];科學(xué)技術(shù)與工程;2014年12期

3 段寶彬;韓立新;;改進(jìn)的深度卷積網(wǎng)絡(luò)及在碎紙片拼接中的應(yīng)用[J];計(jì)算機(jī)工程與應(yīng)用;2014年09期

4 ;[J];;年期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前7條

1 梁湘群;基于Gabor特征與深度自動(dòng)編碼器的笑臉識(shí)別方法[D];五邑大學(xué);2015年

2 吳海燕;基于自動(dòng)編碼器的半監(jiān)督表示學(xué)習(xí)與分類學(xué)習(xí)研究[D];重慶大學(xué);2015年

3 林雨;極限學(xué)習(xí)機(jī)與自動(dòng)編碼器的融合算法研究[D];吉林大學(xué);2016年

4 龐榮;深度神經(jīng)網(wǎng)絡(luò)算法研究及應(yīng)用[D];西南交通大學(xué);2016年

5 李娟;基于深度學(xué)習(xí)的評(píng)價(jià)對(duì)象抽取[D];東南大學(xué);2016年

6 尹曉燕;基于深度學(xué)習(xí)的人臉識(shí)別研究[D];天津大學(xué);2014年

7 雒玉璽;稀疏自動(dòng)編碼器及其加速算法的研究[D];蘭州大學(xué);2014年

，

本文編號(hào)：1067000