10.16208/j.issn1000-7024.2015.10.044
基于自适应深度置信网络的图像分类方法
针对传统的深度置信网络在数据的特征表达过程中收敛速度较慢、训练时间较长的问题,提出一种非监督学习算法,即自适应深度置信网络,将其应用于图像分类任务中。采用一种自适应步长大小方法,解决训练时对适合的学习率的选择困难,加速训练的收敛性。在MNIST手写数据集上进行测试验证并与多个分类器的性能进行对比分析,实验结果表明,该算法具有更快的收敛速度和良好泛化能力,图像的分类效果得到有效提升。
深度学习、约束波尔兹曼机、深度置信网络、图像分类、softmax回归
TP391(计算技术、计算机技术)
重庆市教科委科学技术研究基金项目KJ100513
2015-10-28(万方平台首次上网日期,不代表论文的发表时间)
共6页
2832-2837