一种耦合深度信念网络的图像识别方法

• 作者: 武杰 许西丹 马苗
• 来源期刊: 西安电子科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 跨层连接 深度信念网络 深度学习 图像识别
• 年，卷（期）: 2018,（5）
• 页码范围: 102-107
• 页数: 6页
• 分类号: TP391
• 字数: 4398字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-2400.2018.05.017

摘要

针对网络层数增加带来的梯度消失问题,提出了一种耦合深度信念网络的图像识别方法.该方法将"跨层"连接引入到深度信念网络中并应用于图像识别.给出了耦合深度信念网络的结构示意图及其参数更新方法,并在相同数据集和网络层数情况下比较了具有最佳参数的深度信念网络与最佳参数的耦合深度信念网络的识别性能,分析了"跨层"连接中主 、次线耦合比例对网络性能的影响,且与几种经典的深度学习方法进行了对比.实验结果显示,耦合深度信念网络在收敛速度与识别精度上均优于深度信念网络.同时,相比于经典的深度网络,文中所提方法获得了良好的识别性能.这说明采用"跨层"耦合方式可有效缓解深度信念网络训练过程中出现的梯度消失问题,提高网络的识别性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马苗	陕西师范大学现代教育技术教育部重点实验室	87	626	14.0	20.0
5	武杰	陕西师范大学计算机科学学院	8	10	2.0	3.0
6	许西丹	陕西师范大学计算机科学学院	1	8	1.0	1.0