资料下载
×
基于SDAE的深度网络模型
消耗积分:2 |
格式:rar |
大小:0.82 MB |
2017-11-28
分享资料个
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Poker Hand纸牌游戏数据集和MNIST、USPS手写数据集上测试模型性能，在Poker Hand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。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(1)
发评论
-
JAMIER
2018-05-07
0 回复 举报是论文，根本就不是代码，骗人 收起回复
- 相关下载
- 相关文章
