动态深度信念网络模型构建

• 作者: 何良华 张俊俊
• 来源期刊: 微型机与应用
• 学科: 工学
• 关键词: 深度学习 最大判别能力转换法 Fisher准则 深度信念网络
• 年，卷（期）: 2017,（1）
• 所属期刊栏目: 人工智能
• 页码范围: 59-61,65
• 页数: 4页
• 分类号: TP183
• 字数: 2934字
• 语种: 中文
• DOI: 10.19358/j.issn.1674-7720.2017.01.018

摘要

深度学习是一类新兴的多层神经网络学习算法,因其缓解了传统训练算法的局部最小性,故引起机器学习领域的广泛关注.但是,如何使一个网络模型在选取任意数值的隐藏层节点数时都能够得到一个比较合适的网络结构是目前深度学习界普遍存在的一个开放性问题.文章提出了一种能够动态地学习模型结构的算法——最大判别能力转换法,根据Fisher准则来评估隐藏层每一个节点的判别性能,然后通过动态地选择部分隐层节点来构建最优的模型结构.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何良华	同济大学电子与信息工程学院	20	138	6.0	11.0
2	张俊俊	同济大学电子与信息工程学院	1	5	1.0	1.0