基于重构误差的连续型DBN 的深度确定方法
作者:
王功明
[1]
李文静
[1]
乔俊飞
[1]
沈朝旭
[2]
关键词:
连续型深度信念网
重构误差
网络深度
仿真实验
摘要：
针对连续型深度信念网(Continuous Deep Belief Network,CDBN)隐含层层数难以确定的问题,提出一种基于重构误差的CDBN网络深度确定方法.多个连续型受限玻尔兹曼机(Continuous Restricted Boltzmann Machine,CRBM)叠加构成CDBN.通过分析CRBM的重构误差与CDBN网络能量的相关性, 设定重构误差阈值并设计网络深度决策机制,实现对CDBN隐含层层数进行自组织调整.仿真实验验证,基于重构误差的CDBN网络深度确定方法能够对CDBN的最优隐含层层数进行确定,有效提高了网络深度决策的效率.
上一篇： 单双摄像头切换的车辆车距侦测算法研究
下一篇： 基于不平衡数据集的主动学习分类算法