• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>2016 National Conference on Electrical, Electronics and Biomedical Engineering >A comparative study on classification by deep learning
【24h】

A comparative study on classification by deep learning

机译：深度学习分类的比较研究

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

The use of feature extraction methods in classification problems improves the performance of machine learning algorithms. In most applications, however, there is no need for deep neural networks to employ such methods. This is because deep neural networks can automatically generate features from raw data in a hierarchical manner. For this reason, this study investigates autoencoder networks which are capable of extracting new features from raw data. Compared with the-state-art-methods, stack autoencoder has demonstrated more efficient performance in classification of the data sets used in this work. Classification results are also justified with statistical analysis which shows that the proposed method yields the best performance among the compared methods.
机译：在分类问题中使用特征提取方法可提高机器学习算法的性能。然而，在大多数应用中，不需要深度神经网络来采用这种方法。这是因为深度神经网络可以分层方式自动从原始数据生成特征。因此，本研究调查了能够从原始数据中提取新特征的自动编码器网络。与最新技术方法相比，堆栈自动编码器在对这项工作中使用的数据集进行分类时表现出了更高的效率。统计分析也证明了分类结果的合理性，统计分析表明所提出的方法在比较方法中表现出最佳的性能。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号