基于类别条件的受限玻尔兹曼机改进设计

作     者：贺鹏程 HE Pengcheng

作者机构：海军装备部驻重庆地区军事代表局重庆400042 

出 版 物：《计算机与数字工程》 (Computer & Digital Engineering)

年 卷 期：2016年第44卷第8期

页      码：1436-1438,1547页

摘      要：针对受限玻尔兹曼机(RBM)在进行无监督训练时易出现特征同质化导致泛化能力较差的问题,设计了将类别条件引入RBM训练中,从而提出了基于类别条件的RBM(lCRBM)。针对RBM的训练,将类别信息作为模型隐单元训练条件,参与到隐单元后验激活概率计算中;并将该模型作为深度玻尔兹曼机(DBM)的底层结构,应用于深度学习中。通过手写数字识别集合测试,该模型在训练速度和特征提取有效性上均有较大改善,并且能够提高深度模型的特征学习能力。

主 题 词：受限玻尔兹曼机 深度学习 监督学习 对比散度 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 08[工学] 081201[081201] 0812[工学-测绘类] 

D　O　I：10.3969/j.issn.1672-9722.2016.08.009

馆 藏 号：203187186...