語言:

基于MIC的深度置信网络研究

曾安郑齐弥

计算机科学, 2016, Vol.43 (8), p.249-253

可取得全文

引用被引用

題名:
基于MIC的深度置信网络研究
著者: 曾安郑齐弥
主題: 最大信息系数 ; 深度置信网络 ; 重构误差 ; 降维
所屬期刊: 计算机科学, 2016, Vol.43 (8), p.249-253
描述: 传统的深度置信网络（DBNs）训练过程采用重构误差作为RBM网络的评价指标,它能在一定程度上反映网络对训练样本的似然度,但它并不是可靠的。而最大信息系数（MIC）能反映两个属性间的相关度,保留相关度较大的属性,且MIC较稳健,不易受异常值的影响,可作为网络评价指标。故提出一种基于最大信息系数（MIC）的深度置信网络方法,一方面用MIC对数据进行降维预处理,提高数据与网络的拟合度,降低网络分类误差;另一方面将MIC作为网络评价标准,改进重构误差的不可靠性。分别利用传统方法与基于MIC的深度置信网络方法对手写数据集MNIST和USPS进行分类实验,结果表明,基于MIC的深度置信网络方法能有效地提高识别率。
出版者: 广东工业大学计算机学院广州510000
語言: 中文
識別號: ISSN: 1002-137X
DOI: 10.11896/j.issn.1002-137X.2016.8.050
資源來源: Alma/SFX Local Collection

返回到檢索清單