基于PSO算法的DBN模型参数优化

摘要：

针对深度置信网络模型每层神经元个数难以确立的问题,提出利用粒子群寻优确立DBN网络每层节点数,利用K-means聚类来决定是否需要增加隐藏层的方法来确立DBN的网络结构.该算法根据粒子群寻优算法以最小化所有样本重构误差的平方和为目标函数来确定DBN每层神经元个数,以确定DBN的初步结构,为了验证DBN结构的有效性,利用DBN提取的数据特征来进行聚类测试,进一步根据聚类结果来修正DBN,以获得DBN的最佳结构,以红酒数据集进行分类实验,实验结果表明,与传统未经改进的深度置信网络进行对比,发现该方法确立的深度置信网络分类效果更优.

关键词：深度置信网络、隐藏层层数、隐藏层节点数、粒子群寻优算法

所属期刊栏目：39

分类号：TN2(光电子技术、激光技术)

在线出版日期：2020-05-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：12-16