一种基于胶质细胞链的改进深度信念网络模型

• 作者: 张怡康 耿志强
• 来源期刊: 自动化学报
• 关键词: 深度信念网络 胶质细胞 无监督学习 特征提取
• 年，卷（期）: 2016,（6）
• 页码范围: 943-952
• 页数: 10页
• 字数: 7820字
• 语种: 中文
• DOI: 10.16383/j.aas.2016.c150727

摘要

深度信念网络(Deep belief network, DBN)是一种从无标签数据学习特征的多层结构模型。在同一层单元间缺少连接,导致数据中的深度关联特征难以提取。受到人脑中胶质神经细胞机制的启示,提出一种基于胶质细胞链的改进DBN 模型及其学习算法,以提取更多数据信息。在标准图像分类数据集上的实验结果表明,与其他几种模型相比,本文提出的改进DBN模型可以提取更为优秀的图像特征,提高分类准确率。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	耿志强	北京化工大学信息科学与技术学院	45	419	12.0	18.0
2	张怡康	北京化工大学信息科学与技术学院	1	14	1.0	1.0