无监督网络对抗生成模型的研究

• 作者: 李昂 李鑫 王奕翔 王晟全 陈济颖
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 无监督网络 对抗生成式模型 判别式模型 深度学习
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 89-93
• 页数: 5页
• 分类号: TP31
• 字数: 3081字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2020.04.017

摘要

一般的学习模型都是基于一个假设的随机分布,然后通过训练真实数据来拟合出模型.网络模型复杂并且数据集规模也不小,这种方法简直就是凭借天生蛮力解决问题.Goodfellow认为正确使用数据的方式,是先对数据集的特征信息有insight之后,再干活.无监督学习是当下较为流行的话题,但也是困难较为繁多的话题.目前无监督学习可以分成以下两类,分别是确定型的自编码方法以及概率型的受限波尔兹曼机,其目标主要是使受限玻尔兹曼机达到稳定状态时原数据出现的概率最大.如何更快速更有效地地搭建模型以及如何做实验并有效地获得相关的实验结论是人们讨论的重点.在研究中,在判别模型中增加正则化,用卷积层代替池化层,在生成模型中输出层使用tanh激活函数激活,这样使得最终运算的准确率和损失率大大下降,并减少了冗余成分.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李鑫	南京理工大学紫金学院	20	70	6.0	7.0
2	李昂	南京理工大学紫金学院	20	12	2.0	3.0
4	王晟全	南京理工大学紫金学院	6	3	1.0	1.0
7	王奕翔		4	1	1.0	1.0