基于L1范数改进的自回归算法及分类应用

• 作者: 贺兴时 陈国泽
• 来源期刊: 纺织高校基础科学学报
• 关键词: 自回归密度估计 正则化 波利亚科夫平均 图片分类
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 应用研究
• 页码范围: 122-127
• 页数: 6页
• 分类号: O211.9
• 语种: 中文
• DOI: 10.13338/j.issn.1006-8341.2018.01.020

摘要

为进一步提升神经自回归密度估计算法拟合联合概率分布能力,提高分类准确率,提出了一种基于L1范数参数正则化的神经自回归密度估计算法,并在L1正则化的基础上加入波利亚科夫平均(Polyak averaging)参数更新思想.对网络进行稀疏化与连接权重的稳定更新,提高分类的准确率.通过调节超参数,选取UCI数据集对改进算法的概率分布拟合能力进行测试,结果显示拟合能力得到提高;对图片数据集进行分类准确率测试,数据集LabelMe分类准确率从83.43%提升到83.85%,数据集UIUC-Sports分类准确率从77.29%提升到78.12%,表明改进算法有效.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	贺兴时	西安工程大学数学系	136	975	16.0	25.0
2	陈国泽	西安工程大学数学系	1	0	0.0	0.0