一种稀疏降噪自编码神经网络研究

被引：20

作者：

张成刚 ^{[1
]}

姜静清 ^{[2
]}

机构：

[1] 内蒙古民族大学数学学院

[2] 内蒙古民族大学计算机科学与技术学院

来源：

内蒙古民族大学学报(自然科学版) | 2016年 / 31卷 / 01期

关键词：

数据降维; 降噪; 稀疏; 稀疏降噪自编码神经网络;

D O I：

10.14045/j.cnki.15-1220.2016.01.006

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

140502 [人工智能];

摘要：

近年来,基于深度学习的自编码神经网络是数据降维问题研究的热点,数据降维能够有效地消除无关和冗余信息,提高学习数据内在特征的效率.研究了在原始数据预处理时加入噪声,可训练出对输入信息更加鲁棒的表达,从而提升自编码神经网络模型对输入数据的泛化能力.提出了一种稀疏降噪自编码神经网络(Sparse De-noising Auto-Encoder,SDAE),基于稀疏性的思想,对降噪自编码神经网络加以改进,使得抽象出的特征稀疏表示,更有效的用于数据分类.实验结果表明稀疏降噪自编码神经网络(SDAE)分类准确率要优于传统的自编码神经网络及降噪自编码神经网络.

引用

页码：21 / 25+93 +93

页数：6

共 5 条

[1]

基于增强稀疏性特征选择的网络图像标注 [J].