一种改进的深度置信网络及其在自然图像分类中的应用

• 作者: 佀称称 柴瑞敏
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 深度置信网络 受限玻尔兹曼机 线性修正单元
• 年，卷（期）: 2016,（9）
• 所属期刊栏目: 图像处理与应用
• 页码范围: 221-223,244
• 页数: 4页
• 分类号: TP391.41
• 字数: 3120字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2016.09.052

摘要

深度置信网络 DBN （deep belief network）由受限玻尔兹曼机 RBM （restricted Boltzmann machine）堆叠而成。针对 RBM只能接受二值输入而导致的信息丢失问题，给出将可视层节点替换为具有高斯噪音的实数节点的解决方法，并且用线性修正节点替代隐层的 Sigmoid 节点。线性修正单元具有良好的稀疏性，可以很好地提高网络性能。DBN 自底向上逐层训练网络，初始化网络的参数。在自然图像数据库中与传统 DBN 以及 BP 神经网络做分类性能比较，实验结果表明，改进的 DBN 的图像平均分类正确率以及时间复杂度都得到了较好的改善。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	柴瑞敏	辽宁工程技术大学电子与信息工程学院	20	225	7.0	15.0
2	佀称称	辽宁工程技术大学研究生学院	1	12	1.0	1.0