受限玻尔兹曼机的稀疏化特征学习

发布时间：2017-06-25 04:02

  本文关键词：受限玻尔兹曼机的稀疏化特征学习，由笔耕文化传播整理发布。

【摘要】：受限玻尔兹曼机(RBM)作为深度学习算法的一种基础模型被广泛应用,但传统RBM算法没有充分考虑数据的稀疏化特征学习,使得算法性能受数据集的稀疏性影响较大。提出一种RBM稀疏化特征学习方法(sRBM),通过归一化的输入数据均值确定数据集的稀疏系数,将稀疏系数大于阈值的稠密数据集自动转化为稀疏数据集,在不损失信息量的情况下实现输入数据的稀疏化。在手写字符数据集和自然图像数据集上的实验结果表明,sRBM通过输入数据稀疏化有效提升了RBM的稀疏化特征学习性能。
【作者单位】： 中国科学院电子学研究所;中国科学院大学;
【关键词】： 受限玻尔兹曼机(RBM) 稀疏化 特征学习 置信网络 稳定性
【基金】：国家自然科学基金(41301493) 高分对地观测领域学术交流项目(GFEX04060103)资助
【分类号】：TP181
【正文快照】： 到稿日期:2016-01-07返修日期:2016-04-15本文受国家自然科学基金(41301493),高分对地观测领域学术交流项目(GFEX04060103)资助。1引言随着互联网技术的发展,数据量呈爆炸式增长,机器学习利用计算机从大量数据中挖掘规律、模仿人类行为,是实现数据信息自动学习的有力技术手段,

【相似文献】

中国期刊全文数据库 前10条

1 温菊屏;林冬梅;;图稀疏化:加速图聚类的有效方法[J];计算机工程与设计;2013年11期

2 吴宗亮;窦衡;;一种新的最小二乘支持向量机稀疏化算法[J];计算机应用;2009年06期

3 余正涛;邹俊杰;赵兴;苏磊;毛存礼;;基于主动学习的最小二乘支持向量机稀疏化[J];南京理工大学学报;2012年01期

4 冯笑笑;刘本永;;基于高阶相关的稀疏化和径向基核分类法[J];雷达科学与技术;2007年03期

5 崔树标;张云;周华民;李德群;;边界元矩阵稀疏化算法及其应用[J];上海交通大学学报;2008年10期

6 赵英海;蔡俊杰;吴秀清;孙福明;;基于稀疏化图结构的转导多标注视频概念检测算法[J];模式识别与人工智能;2011年06期

7 司刚全;曹晖;张彦斌;贾立新;;一种基于密度加权的最小二乘支持向量机稀疏化算法[J];西安交通大学学报;2009年10期

8 汪涛，，邢小良;感知器的动态稀疏化学习[J];自动化学报;1995年01期

9 汪琪;李传荣;马灵玲;唐伶俐;李剑剑;;基于训练字典的压缩感知光谱稀疏化方法[J];遥感技术与应用;2013年06期

10 过琦芳;;稀疏化的基于核密度估计的向量机[J];信息与电脑(理论版);2011年09期

中国硕士学位论文全文数据库 前4条

1 付强;稀疏化模型及其在文本分类中的应用[D];南京大学;2014年

2 孙欣;最小二乘支持向量机稀疏化技术的研究[D];广西大学;2014年

3 冯笑笑;基于模式样本稀疏化和高阶相关的分类方法研究[D];电子科技大学;2007年

4 邵哲;X波段大型相控阵稀疏化研究[D];电子科技大学;2012年

  本文关键词：受限玻尔兹曼机的稀疏化特征学习，由笔耕文化传播整理发布。

本文编号：480645