基于快速持续对比散度的卷积受限玻尔兹曼机

发布时间：2017-09-16 09:08

  本文关键词：基于快速持续对比散度的卷积受限玻尔兹曼机

  更多相关文章： 卷积受限玻尔兹曼机 深度学习 快速持续对比散度 训练时间 分类精度

【摘要】：受限玻尔兹曼机是深度学习中的重要模型,以其为基础的卷积受限玻尔兹曼机模型被广泛应用于图像处理与语音识别等领域,但其存在训练时间过长的问题。为此,使用快速持续对比散度(FPCD)算法对卷积受限玻尔兹曼机进行学习,从而提高模型的学习速度和分类精度。实验结果表明,与PCD,CD_1等算法相比,FPCD算法可有效提高卷积受限玻尔兹曼机的分类性能。
【作者单位】： 西北师范大学计算机科学与工程学院;
【关键词】： 卷积受限玻尔兹曼机 深度学习 快速持续对比散度 训练时间 分类精度
【基金】：国家自然科学基金资助项目(61163036,61163039) 甘肃省科技计划基金资助项目(1606RJZA047) 甘肃省高校基本科研业务费专项基金资助项目 甘肃省高校研究生导师基金资助项目(1201-16) 西北师范大学第三期知识与创新工程科研骨干基金资助项目(nwnu-kjcxgc-03-67)
【分类号】：TP391.41;TP181
【正文快照】： 中文引用格式:张娟,蒋芸,胡学伟,等.基于快速持续对比散度的卷积受限玻尔兹曼机[J].计算机工程,2016,42(9):174-179.英文引用格式:Zhang Juan,Jiang Yun,Hu Xuewei,et al.Convolutional Restricted Boltzmann Machine Based on FastPersistent Contrastive Divergence[J].Comp

【相似文献】

中国期刊全文数据库 前3条

1 刘来福，唐志宇，匡锦瑜;向量玻尔兹曼机[J];北京师范大学学报(自然科学版);1996年04期

2 秦胜君;卢志平;;基于限制玻尔兹曼机的无极性标注情感分类研究[J];科学技术与工程;2013年35期

3 ;[J];;年期

中国硕士学位论文全文数据库 前10条

1 李娟;基于RBM的小分子活性及选择性研究[D];兰州大学;2015年

2 叶睿;基于深度学习的人脸检测方法研究[D];哈尔滨工业大学;2015年

3 张卫东;深度信念网络及其在手写字体识别中的应用[D];成都理工大学;2015年

4 施维劏;门限玻尔兹曼机在人脸识别中的鲁棒性研究[D];北京交通大学;2015年

5 万程;自适应基数受限玻尔兹曼机[D];清华大学;2015年

6 李亦锬;受限的玻尔兹曼机在背景建模和文本建模中的研究与应用[D];中国科学技术大学;2016年

7 张艳霞;基于受限玻尔兹曼机的深度学习模型及其应用[D];电子科技大学;2016年

8 朱常宝;基于深度玻尔兹曼机的特征学习算法研究[D];北京化工大学;2016年

9 张怡康;基于受限玻尔兹曼机的深度学习方法研究[D];北京化工大学;2016年

10 董时静;全局形状与局部一致性联合建模的显著性检测[D];大连理工大学;2016年

，

本文编号：862136