10.3969/j.issn.1000-3428.2016.09.031
基于快速持续对比散度的卷积受限玻尔兹曼机
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.
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
42
TP389.1(计算技术、计算机技术)
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;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
2016-11-10(万方平台首次上网日期,不代表论文的发表时间)
共6页
174-179