深度信念网络的等效模型及权值扩展算法研究

• 作者: 王明 高强
• 来源期刊: 电测与仪表
• 学科: 工学
• 关键词: 深度信念网络 等效模型 最佳接收 小样本 区间数
• 年，卷（期）: 2017,（23）
• 所属期刊栏目: 信息与能源
• 页码范围: 54-59
• 页数: 6页
• 分类号: TM216
• 字数: 4934字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-1390.2017.23.009

摘要

针对深度信念网络(DBN)中小样本情况下,训练模型泛化性较差,分类识别率不够理想,系统性能有待提高等问题,研究了DBN的等效模型,分析了小样本情况下识别率差的问题;并提出一种区间化权值扩展方法,扩大了样本和权值的匹配空间,使判决更有利于正确分类,提高了小样本情况下的图像分类准确性;用检测与估值理论给出了算法能提高系统检测性能的依据,并在不同的数据库上进行了实验测试,进一步证明了小样本情况下图像分类准确率的提高.最后,将该方法应用到了小样本绝缘子故障识别中.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高强	华北电力大学电气与电子工程学院	89	895	16.0	25.0
2	王明	华北电力大学电气与电子工程学院	6	52	4.0	6.0