摘要：针对传统的深度置信网络在数据的特征表达过程中收敛速度较慢、训练时间较长的问题,提出一种非监督学习算法,即自适应深度置信网络,将其应用于图像分类任务中。采用一种自适应步长大小方法,解决训练时对适合的学习率的选择困难,加速训练的收敛性。在MNIST手写数据集上进行测试验证并与多个分类器的性能进行对比分析,实验结果表明,该算法具有更快的收敛速度和良好泛化能力,图像的分类效果得到有效提升。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社