基于自适应深度置信网络的图像分类方法

摘要：

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。

关键词：深度学习、约束波尔兹曼机、深度置信网络、图像分类、softmax回归

分类号：TP391(计算技术、计算机技术)

资助基金：重庆市教科委科学技术研究基金项目KJ100513

在线出版日期：2015-10-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：2832-2837