查询结果:   柴瑞敏,佀称称.一种改进的深度置信网络及其在自然图像分类中的应用[J].计算机应用与软件,2016,33(9):221 - 223,244.
中文标题
一种改进的深度置信网络及其在自然图像分类中的应用
发表栏目
图像处理与应用
摘要点击数
705
英文标题
AN IMPROVED DEEP BELIEF NETWORK AND ITS APPLICATION IN NATURAL IMAGE CLASSIFICATION
作 者
柴瑞敏 佀称称 Chai Ruimin Si Chenchen
作者单位
辽宁工程技术大学电子与信息工程学院 辽宁 葫芦岛 125105 辽宁工程技术大学研究生学院 辽宁 葫芦岛 125105    
英文单位
School of Electronics and Information Engineering,Liaoning Technical University,Huludao 125105,Liaoning,China Institute of Graduate,Liaoning Technical University,Huludao 125105,Liaoning,China    
关键词
深度置信网络 受限玻尔兹曼机 线性修正单元
Keywords
Deep belief network Restricted Boltzmann machines Rectified linear unit
基金项目
作者资料
柴瑞敏, 副教授,主研领域:数据库,数据挖掘,图形图像处理。佀称称,〖HTSS〗硕士生。〖FQ)〗 。
文章摘要
深度置信网络DBN (deep belief network) 由受限玻尔兹曼机RBM (restricted Boltzmann machine)堆叠而成。针对RBM只能接受二值输入而导致的信息丢失问题,给出将可视层节点替换为具有高斯噪音的实数节点的解决方法,并且用线性修正节点替代隐层的Sigmoid节点。线性修正单元具有良好的稀疏性,可以很好地提高网络性能。DBN自底向上逐层训练网络,初始化网络的参数。在自然图像数据库中与传统DBN以及BP神经网络做分类性能比较,实验结果表明,改进的DBN的图像平均分类正确率以及时间复杂度都得到了较好的改善。
Abstract
DBN (deep belief network) is stacked by RBM (restricted Boltzmann machine).RBM can only accept two-valued input,which causes the problem of information loss.Aiming at this problem,we solve it by replacing the visual layer nodes with real number nodes containing Gauss noise,and use rectified linear nodes instead of hidden layer Sigmoid node.Rectified linear unit has good sparsity,and can well enhance network performance.DBN uses bottom-up method to train network layer by layer,and initialises network parameters.Comparison of classification performance between traditional DBN and BP neural network is conducted on nature image datasets.Experimental result indicates that in improved DBN the average classification accuracy of images and the time complexity are both improved significantly.
下载PDF全文