基于重叠稀疏组深度信念网络的图像识别

• 作者: 傅俊鹏 徐德荣 田进 陈秀宏
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 深度信念网络 组Lasso 组稀疏 重叠稀疏组
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 图形与图像
• 页码范围: 515-524
• 页数: 10页
• 分类号: TP391.41
• 字数: 7604字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2018.03.018

摘要

深度信念网络的隐含神经元大部分为噪声变量,且具有组结构相关性.组稀疏深度信念网络模型通过组Lasso模型对隐含神经元变量进行约束,从而实现变量组选择.然而,组稀疏深度信念网络模型未能考虑特征可同时属于多个特征组,并且隐含神经元在变量层面上不稀疏的问题.在组稀疏深度信念网络模型上引入重叠组结构,解释了重叠组Lasso模型在变量层面上比组Lasso模型稀疏的原因,并在变量层面上作进一步的稀疏,提出了重叠稀疏组深度信念网络模型.在MNIST、USPS、ETH-80以及人脸数据集上的识别结果表明,重叠稀疏组深度信念网络具有更高的识别率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈秀宏	江南大学数字媒体学院	90	480	12.0	17.0
2	傅俊鹏	江南大学数字媒体学院	4	20	3.0	4.0
3	田进	江南大学数字媒体学院	5	26	1.0	5.0
4	徐德荣	江南大学数字媒体学院	3	25	1.0	3.0