基于极限学习的深度学习算法

摘要：

在使用传统的全局优化方法对整个深度信念网（DBN）进行优化的过程中需要大量的时间，且基于梯度的优化方法易陷入局部最优。为加快 DBN 的训练速度，将极限学习机（ELM）运用到 DBN 模型的训练中。分别将传统 DBN 与改进后的 IDBN 算法应用在手写体数据集 MNIST、Binary Alphadigits 数据集和 USPS 数据集上，实验结果表明，改进后的IDBN 算法能够保证已有的学习准确性，提高学习的速度。

关键词：深度学习、极限学习机、机器学习、神经网络、深度信念网

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金项目61070009、61170305；广西教育厅科研基金项目200103YB136；国家大学生创新创业训练计划基金项目201310605017、201310605018

在线出版日期：2015-04-27（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：1022-1026