一种稀疏降噪自编码神经网络研究

• 作者: 姜静清 张成刚
• 来源期刊: 内蒙古民族大学学报（自然科学版）
• 学科: 工学
• 关键词: 数据降维 降噪 稀疏 稀疏降噪自编码神经网络
• 年，卷（期）: 2016,（1）
• 所属期刊栏目: 计算机应用
• 页码范围: 21-25
• 页数: 5页
• 分类号: TP183
• 字数: 3163字
• 语种: 中文
• DOI: 10.14045/j.cnki.15-1220.2016.01.006

摘要

近年来,基于深度学习的自编码神经网络是数据降维问题研究的热点,数据降维能够有效地消除无关和冗余信息,提高学习数据内在特征的效率.研究了在原始数据预处理时加入噪声,可训练出对输入信息更加鲁棒的表达,从而提升自编码神经网络模型对输入数据的泛化能力.提出了一种稀疏降噪自编码神经网络(Sparse De-noising Auto-Encoder, SDAE),基于稀疏性的思想,对降噪自编码神经网络加以改进,使得抽象出的特征稀疏表示,更有效的用于数据分类.实验结果表明稀疏降噪自编码神经网络(SDAE)分类准确率要优于传统的自编码神经网络及降噪自编码神经网络.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姜静清	内蒙古民族大学计算机科学与技术学院	24	190	8.0	13.0
2	张成刚	内蒙古民族大学数学学院	12	47	4.0	6.0