基于自动编码器组合的深度学习优化方法

摘要：

为了提高自动编码器算法的学习精度,更进一步降低分类任务的分类错误率,提出一种组合稀疏自动编码器(SAE)和边缘降噪自动编码器(mDAE)从而形成稀疏边缘降噪自动编码器(SmDAE)的方法,将稀疏自动编码器和边缘降噪自动编码器的限制条件加载到一个自动编码器(AE)之上,使得这个自动编码器同时具有稀疏自动编码器的稀疏性约束条件和边缘降噪自动编码器的边缘降噪约束条件,提高自动编码器算法的学习能力.实验表明,稀疏边缘降噪自动编码器在多个分类任务上的学习精度都高于稀疏自动编码器和边缘降噪自动编码器的分类效果;与卷积神经网络(CNN)的对比实验也表明融入了边缘降噪限制条件,而且更加鲁棒的SmDAE模型的分类精度比CNN还要好.

关键词：深度学习、自动编码器、稀疏自动编码器、降噪自动编码器、卷积神经网络

所属期刊栏目：36

分类号：TP392(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61273225;国家科技支撑计划项目2012BAC22B01.This work is partially supported by the National Natural Science Foundation of China61273225;the National Key Technology R&D Program2012BAC22B01

在线出版日期：2016-06-13（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：697-702