基于类别条件的受限玻尔兹曼机改进设计

• 作者: 贺鹏程
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: 受限玻尔兹曼机 深度学习 监督学习 对比散度
• 年，卷（期）: 2016,（8）
• 所属期刊栏目: 算法与分析
• 页码范围: 1436-1438,1547
• 页数: 4页
• 分类号: TP393
• 字数: 2904字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2016.08.009

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。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	贺鹏程		7	42	3.0	6.0