一种新的分类受限玻尔兹曼机改进模型

• 作者: 尹静 李唯唯 杨德红 闫河
• 来源期刊: 小型微型计算机系统
• 学科: 工学
• 关键词: 分类受限玻尔兹曼机 特征学习 分类 改进模型
• 年，卷（期）: 2018,（7）
• 所属期刊栏目: 人工智能与算法研究
• 页码范围: 1415-1419
• 页数: 5页
• 分类号: TP181
• 字数: 5230字
• 语种: 中文

摘要

分类受限玻尔兹曼机(classification restricted boltzmann machine,ClassRBM)在各种分类问题中得到了广泛应用.ClassRBM是一种自带标签信息的神经网络模型,它使用一个神经元标识某类数据的类标.标签神经元总是稀疏的,一个神经元仅能为网络模型参数提供有限的信息.论文在ClassRBM现有的网络结构上,增加标签神经元个数,使每个类标用K个神经元标识,为网络模型参数提供更多的信息,提升模型表达能力,进而改善ClassRBM的分类性能.论文在不同数据集上进行了测试,结果表明改进模型的分类效果可以优于ClassRBM.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	闫河	重庆理工大学计算机科学与工程学院	37	168	6.0	11.0
2	李唯唯	重庆理工大学计算机科学与工程学院	8	99	4.0	8.0
3	尹静	重庆理工大学计算机科学与工程学院	9	25	3.0	4.0
4	杨德红	重庆理工大学计算机科学与工程学院	9	23	3.0	4.0