基于深度学习手写字符的特征抽取方法研究

• 作者: 刘兴旺 邹煜
• 来源期刊: 软件
• 学科: 工学
• 关键词: 深度学习 K-means 自动编码器 感受野 数据量 隐层节点
• 年，卷（期）: 2017,（1）
• 所属期刊栏目: 基金项目论文
• 页码范围: 23-28
• 页数: 6页
• 分类号: TP391.43
• 字数: 4202字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6970.2017.01.006

摘要

当前对深度学习单层训练算法的研究工作较少,本文采用数据量、隐层节点和感受野大小,分析自动编码器和K-means算法在训练深度网络抽取特征上的表现.发现自动编码器对数据量,隐层节点敏感,且学习率与数据量和感受野呈负相关;数据量一定后,K-means对数据量不敏感,且感受野大小的选取对该算法发挥性能至关重要.在实际应用中给自动编码器加入稀疏性控制是必要的.实验结果表明,本文的研究工作,对用自动编码器或K-means训练深度网络有一定的参考借鉴意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邹煜	中南民族大学计算机科学学院	2	2	1.0	1.0
2	刘兴旺	中南民族大学计算机科学学院	5	27	2.0	5.0