基于自动编码器组合的深度学习优化方法

发布时间：2017-10-20 11:59

  本文关键词：基于自动编码器组合的深度学习优化方法

  更多相关文章： 深度学习 自动编码器 稀疏自动编码器 降噪自动编码器 卷积神经网络

【摘要】：为了提高自动编码器算法的学习精度,更进一步降低分类任务的分类错误率,提出一种组合稀疏自动编码器(SAE)和边缘降噪自动编码器(m DAE)从而形成稀疏边缘降噪自动编码器(Sm DAE)的方法,将稀疏自动编码器和边缘降噪自动编码器的限制条件加载到一个自动编码器(AE)之上,使得这个自动编码器同时具有稀疏自动编码器的稀疏性约束条件和边缘降噪自动编码器的边缘降噪约束条件,提高自动编码器算法的学习能力。实验表明,稀疏边缘降噪自动编码器在多个分类任务上的学习精度都高于稀疏自动编码器和边缘降噪自动编码器的分类效果;与卷积神经网络(CNN)的对比实验也表明融入了边缘降噪限制条件,而且更加鲁棒的Sm DAE模型的分类精度比CNN还要好。
【作者单位】： 武汉科技大学计算机科学与技术学院;智能信息处理与实时工业系统湖北省重点实验室;
【关键词】： 深度学习 自动编码器 稀疏自动编码器 降噪自动编码器 卷积神经网络
【基金】：国家自然科学基金资助项目(61273225) 国家科技支撑计划项目(2012BAC22B01)~~
【分类号】：TP183
【正文快照】： 0引言自动编码器(Auto-Encoder,AE)[1-2]是Rumelhart在1986年提出来的,其主要目的是对于一个给定的数据集学习压缩的、分布式的特征表达。自动编码器是一个典型的三层结构的神经网络,输入层和隐藏层之间是一个编码的过程,隐藏层和输出层之间是一个解码的过程,通过对输入数据进

【相似文献】

中国期刊全文数据库 前4条

1 曲建岭;杜辰飞;邸亚洲;高峰;郭超然;;深度自动编码器的研究与展望[J];计算机与现代化;2014年08期

2 秦胜君;卢志平;;基于降噪自动编码器的不平衡情感分类研究[J];科学技术与工程;2014年12期

3 段宝彬;韩立新;;改进的深度卷积网络及在碎纸片拼接中的应用[J];计算机工程与应用;2014年09期

4 ;[J];;年期

中国硕士学位论文全文数据库 前7条

1 梁湘群;基于Gabor特征与深度自动编码器的笑脸识别方法[D];五邑大学;2015年

2 吴海燕;基于自动编码器的半监督表示学习与分类学习研究[D];重庆大学;2015年

3 林雨;极限学习机与自动编码器的融合算法研究[D];吉林大学;2016年

4 庞荣;深度神经网络算法研究及应用[D];西南交通大学;2016年

5 李娟;基于深度学习的评价对象抽取[D];东南大学;2016年

6 尹晓燕;基于深度学习的人脸识别研究[D];天津大学;2014年

7 雒玉玺;稀疏自动编码器及其加速算法的研究[D];兰州大学;2014年

，

本文编号：1067000