首页> 中文期刊> 《计算机工程》 >一种改进的5层深度学习结构与优化方法

一种改进的5层深度学习结构与优化方法

         

摘要

已有研究针对5层神经网络结构中各隐层节点数的选取并不明确.为此,提出一种改进的5层深信度网络(DBN)结构设计方案与节点数量优化选择方法.将第一隐层、第二隐层节点数预估为前一层节点数的1/3至2/3间的某值,第三隐层、第四隐层节点数分别等于第一隐层和输入层的节点数,然后采用样条插值方法优化选择第一隐层、第二隐层节点数.该结构特征只需预训练前2层权重,简化了DBN的受限玻尔兹曼机预训练方法.MNINST数据集上的实验结果验证了该网络结构的高效性与高准确率.

著录项

相似文献

  • 中文文献
  • 外文文献
  • 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