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
热门期刊服务
相关文章
影响因子:0.62
期刊级别:北大期刊
发行周期:月刊
期刊在线咨询,1-3天快速下单!
查看更多>
超1000杂志,价格优惠,正版保障!
一站式期刊推荐服务,客服一对一跟踪服务!