基于类别条件的受限玻尔兹曼机改进设计
贺鹏程
海军装备部驻重庆地区军事代表局 重庆 400042
摘要：针对受限玻尔兹曼机（RBM ）在进行无监督训练时易出现特征同质化导致泛化能力较差的问题，设计了将类别条件引入 RBM 训练中，从而提出了基于类别条件的 RBM （lCRBM ）。针对 RBM 的训练，将类别信息作为模型隐单元训练条件，参与到隐单元后验激活概率计算中；并将该模型作为深度玻尔兹曼机（DBM ）的底层结构，应用于深度学习中。通过手写数字识别集合测试，该模型在训练速度和特征提取有效性上均有较大改善，并且能够提高深度模型的特征学习能力。
关键词：受限玻尔兹曼机深度学习监督学习对比散度
分类号：TP393(计算技术、计算机技术)
论文发表日期：2016-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：4( 1436-1438,1547 )
英文信息