深度学习中的自编码器的表达能力研究

【#第一文档网# 导语】以下是®第一文档网的小编为您整理的《深度学习中的自编码器的表达能力研究》，欢迎阅读！

深度学习中的自编码器的表达能力研究

王雅思;姚鸿勋;孙晓帅;许鹏飞;赵思成

【期刊名称】《计算机科学》 【年(卷),期】2015(042)009

【摘 要】近年来,深度学习框架和非监督学习方法越来越流行,吸引了很多机器学习和人工智能领域研究者的兴趣.从深度学习中的“构造模块”入手,主要研究自编码器的表达能力,尤其是自编码器在数据降维方面的能力及其表达能力的稳定性.从深度学习的基础方法入手,旨在更好地理解深度学习.第一,自编码器和限制玻尔兹曼机是深度学习方法中的两种“构造模块”,它们都可用作表达转换的途径,也可看作相对较新的非线性降维方法.第二,重点探究了对于视觉特征的理解,自编码器是否是一个好的表达转换途径.主要评估了单层自编码器的表达能力,并与传统方法PCA进行比较.基于原始像素和局部描述子的实验验证了自编码器的降维作用、自编码器表达能力的稳定性以及提出的基于自编码器的转换策略的有效性.最后,讨论了下一步的研究方向.

【总页数】6页(P56-60,65)

【作 者】王雅思;姚鸿勋;孙晓帅;许鹏飞;赵思成

【作者单位】哈尔滨工业大学计算机科学与技术学院 哈尔滨150001;哈尔滨工业大学计算机科学与技术学院 哈尔滨150001;哈尔滨工业大学计算机科学与技术学院 哈尔滨150001;哈尔滨工业大学计算机科学与技术学院 哈尔滨150001;哈尔滨工业大学计算机科学与技术学院 哈尔滨150001 【正文语种】中 文


【中图分类】TP391.4 【相关文献】

1.栈式自编码器特征表达能力研究 [J], 朱成

2.多通道自编码器深度学习的入侵检测方法 [J], 杨杰;唐亚纯;谭道军;刘小兵 3.集成栈式自编码器与XGBoost的深度学习海浪有效波高预报模型 [J], 陆小敏;刘凡;蔡丽华;李雪丁;徐啸

4.不平衡样本下基于变分自编码器预处理深度学习和DGA的变压器故障诊断方法 [J], 张弛;吴东;王伟;刘力卿;谢军

5.地图空间形状认知的自编码器深度学习方法 [J], 晏雄锋;艾廷华;杨敏;郑建滨

因版权原因，仅展示原文概要，查看原文内容请购买

本文来源：https://www.dy1993.cn/pP94.html