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
• 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,（35）
• 所属期刊栏目: 研究与开发
• 页码范围: 41-44,80
• 页数: 5页
• 字数: 2135字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-1423.2017.35.008

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