基于快速持续对比散度的卷积受限玻尔兹曼机

• 作者: 张娟 沈健 胡学伟 蒋芸
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 卷积受限玻尔兹曼机 深度学习 快速持续对比散度 训练时间 分类精度
• 年，卷（期）: 2016,（9）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 174-179
• 页数: 6页
• 分类号: TP389.1
• 字数: 4356字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2016.09.031

摘要

受限玻尔兹曼机是深度学习中的重要模型,以其为基础的卷积受限玻尔兹曼机模型被广泛应用于图像处理与语音识别等领域,但其存在训练时间过长的问题.为此,使用快速持续对比散度(FPCD)算法对卷积受限玻尔兹曼机进行学习,从而提高模型的学习速度和分类精度.实验结果表明,与PCD,CD_1等算法相比,FPCD算法可有效提高卷积受限玻尔兹曼机的分类性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蒋芸	西北师范大学计算机科学与工程学院	38	377	11.0	18.0
2	沈健	西北师范大学计算机科学与工程学院	9	60	5.0	7.0
3	胡学伟	西北师范大学计算机科学与工程学院	11	89	7.0	9.0
4	张娟	西北师范大学计算机科学与工程学院	31	130	8.0	9.0