一种新的基于光滑Lo范数的受限玻尔兹曼机

• 作者: 姬楠楠 宋学力 肖玉柱 郑强
• 来源期刊: 计算机仿真
• 学科: 地球科学
• 关键词: 受限玻尔兹曼机 稀疏表示 激活概率 特征信息
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 仿真方法与算法
• 页码范围: 234-239
• 页数: 6页
• 分类号: N945.12
• 字数: 4176字
• 语种: 中文

摘要

受限玻尔兹曼机(Restricted Boltzmann machines,RBM)是一种有效的特征提取器,它是深度信念网络的基本组成模块.为了进一步提升RBM的数据表示性能,受人类大脑视觉稀疏表示启发,提出一种新的稀疏RBM,即SmoothRBM.它通过添加一个光滑L0范数的正则项来直接约束隐层单元的总体激活概率,可以根据不同的学习任务学习到不同的稀疏水平.MNIST数据集上的相关实验表明,SmoothRBM模型与当前的一些优秀模型相比,可以更有效的提取数据集中的特征信息,学习到更稀疏和更具判别力的表示形式.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	宋学力	长安大学理学院	17	31	3.0	4.0
2	姬楠楠	长安大学理学院	6	208	3.0	6.0
3	肖玉柱	长安大学理学院	9	2	1.0	1.0
4	郑强	长安大学理学院	3	2	1.0	1.0