深度神经网络学习的结构基础:自动编码器与限制玻尔兹曼机

• 作者: 唐乾元 康文斌 彭菁
• 来源期刊: 中兴通讯技术
• 学科: 工学
• 关键词: 深度学习 神经网络 AE RBM
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 专题:神经网络与深度学习
• 页码范围: 32-35
• 页数: 4页
• 分类号: TN929.5
• 字数: 3998字
• 语种: 中文
• DOI: 10.3969/j.issn.1009-6868.2017.04.006

摘要

自动编码器(AE)和限制玻尔兹曼机(RBM)是在深度神经网络领域广泛使用的两种常见的基础性结构.它们都可以作为无监督学习的框架,通过最小化重构误差,提取系统的重要特征;更重要的是,通过多层的堆叠和逐层的预训练,层叠式自动编码器和深度信念网络都可以在后续监督学习的过程中,帮助整个神经网络更好更快地收敛到最小值点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	康文斌		7	17	2.0	4.0
2	彭菁		1	7	1.0	1.0