卷积稀疏自编码神经网络

• 作者: 牛玉虎
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 卷积神经网络 稀疏自编码 反卷积 种群稀疏 存在稀疏 高分散性稀疏
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 人工智能
• 页码范围: 22-29,35
• 页数: 9页
• 分类号: TP18
• 字数: 7181字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2017.02.005

摘要

卷积神经网络是图像识别领域研究的热点.本文改进现有卷积自编码器,提出卷积稀疏自编码神经网络(Convolu-tional Sparse Autoencoder Neural Network,CSAENN).首先替换解码器的反卷积方式,在输入特征图周围补充零值将图扩大,简化了实现方式,降低了反卷积操作复杂度,同时不影响卷积自编码器对样本特征的提取与重构.其次迭代训练时,采用权值转置技术,实现一组权值可以同时提取样本特征与重构样本信息.最后在编码器中使用种群稀疏、存在稀疏以及高分散性稀疏化技术,有效地稀疏化网络权值和输出,提升网络性能.在公共数据集MNIST及CIFAR10上,多组对比实验结果验证了CSAENN有较好的性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	牛玉虎	河海大学计算机与信息学院	1	13	1.0	1.0