10.3969/j.issn.1006-9348.2019.04.049
一种新的基于光滑Lo范数的受限玻尔兹曼机
受限玻尔兹曼机(Restricted Boltzmann machines,RBM)是一种有效的特征提取器,它是深度信念网络的基本组成模块.为了进一步提升RBM的数据表示性能,受人类大脑视觉稀疏表示启发,提出一种新的稀疏RBM,即SmoothRBM.它通过添加一个光滑L0范数的正则项来直接约束隐层单元的总体激活概率,可以根据不同的学习任务学习到不同的稀疏水平.MNIST数据集上的相关实验表明,SmoothRBM模型与当前的一些优秀模型相比,可以更有效的提取数据集中的特征信息,学习到更稀疏和更具判别力的表示形式.
受限玻尔兹曼机、稀疏表示、激活概率、特征信息
36
N945.12(系统科学)
中央高校基本科研业务费专项资金资助项目310812163504
2019-05-24(万方平台首次上网日期,不代表论文的发表时间)
共6页
234-239