結(jié)合多新息理論的深度信念網(wǎng)絡(luò)改進(jìn)的算法
推薦 + 挑錯(cuò) + 收藏(0) + 用戶評(píng)論(0)
針對(duì)深度信念網(wǎng)絡(luò)(DBN)算法在采用反向傳播修正網(wǎng)絡(luò)的連接權(quán)值和偏置的過程中,容易產(chǎn)生梯度小、學(xué)習(xí)率低、誤差收斂速度慢等問題,提出一種結(jié)合多新息理論對(duì)標(biāo)準(zhǔn)DBN算法進(jìn)行改進(jìn)的算法,即多新息DBN( MI-DBN)。MI-DBN算法是對(duì)標(biāo)準(zhǔn)DBN算法中反向傳播的過程重新建模,使得算法在原先只利用單個(gè)新息的情況下,擴(kuò)展為能夠充分利用之前多個(gè)周期的新息,從而大幅提高誤差收斂速度。通過實(shí)驗(yàn)對(duì)MI-DBN算法和其他分類算法進(jìn)行了數(shù)據(jù)集分類的比較,實(shí)驗(yàn)結(jié)果表明,MI-DBN算法相較其他分類算法,其誤差收斂速度較快,而且最終對(duì)MNIST數(shù)據(jù)集和Caltechl01數(shù)據(jù)集的識(shí)別中誤差結(jié)果相對(duì)更小。
?
非常好我支持^.^
(0) 0%
不好我反對(duì)
(0) 0%