兼顾宽度优化的RBM训练算法及其在特征抽取中的应用
DBN(Deep Belief Network,深度置信网络)是由一系列RBM(Restricted Boltzmann Machine,受限玻尔兹曼机)堆叠而成,并附加一个某种类型的分类器(例如softmax).由于其出色的特征抽取能力,DBN已成功应用于模式识别和数据重构等领域,成为目前深度学习领域最著名的网络之一.RBM作为DBN的核心组件,具有良好的无监督学习能力,广泛应用于协同过滤、数据重构和特征抽取等方向.因此,RBM对数据重构和特征抽取的能力会直接影响DBN的最终表现.
特征抽取、训练算法、宽度优化
TP391.41;TD353;TP183
河北省科学院科技计划项目21609
2023-09-22（万方平台首次上网日期，不代表论文的发表时间）
共3页
90-92
