基于稀疏自动编码器的深度神经网络实现

• 作者: 张光建
• 来源期刊: 现代计算机：中旬刊
• 学科: 工学
• 关键词: 机器学习 深度神经网络 深度学习 人工神经网络 稀疏自编码器 深度自编码器
• 年，卷（期）: 2017,（12）
• 页码范围: 41-44
• 页数: 4页
• 分类号: TP18

摘要

在神经网络的监督学习中，需要大量人工标识特征的训练样本集。学习系统的成功依赖于样本标识特征的准确性，但人工标识特征费时费力，人为因素决定的特征通用性较差。稀疏自编码器是一种无监督学习方法，可以通过对无标记样本的学习，自动提取样本特征。对稀疏自编码器进行仿真，证明它可以很好地提取输入的无标记样本的特征，这将极大地提高机器学习系统的应用范围和准确性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张光建		21	49	5.0	6.0