針對自動編碼器在強(qiáng)噪聲環(huán)境下分類效果低的特征,提出了基于改進(jìn)型稀疏自動編碼器組合的深度學(xué)習(xí)方法。在采用計(jì)算相關(guān)熵的方法,增強(qiáng)了稀疏自動編碼器對非高斯噪聲的魯棒性的基礎(chǔ)上,利用卷積神經(jīng)網(wǎng)絡(luò)對自動編碼器進(jìn)行邊緣降噪,接著將改進(jìn)后的稀疏自動編碼器和邊緣降噪自動編碼器相結(jié)合,得到新的稀疏邊緣降噪自動編碼器。實(shí)測數(shù)據(jù)的實(shí)驗(yàn)結(jié)果表明,新的稀疏邊緣降噪自動編碼器比現(xiàn)有的分類算法,計(jì)算時(shí)間更短、準(zhǔn)確率更高、效果更明顯。 

【文章來源】：計(jì)算機(jī)仿真. 2020,37(04)北大核心

【文章頁數(shù)】：5 頁

【部分圖文】：

卷積神經(jīng)網(wǎng)絡(luò)典型結(jié)構(gòu)

【參考文獻(xiàn)】：
期刊論文
[1]基于Katz自動編碼器的城市路網(wǎng)鏈路預(yù)測模型[J]. 盛津芳,劉家廣,王斌.  計(jì)算機(jī)工程與應(yīng)用. 2019(08)
[2]卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 周飛燕,金林鵬,董軍.  計(jì)算機(jī)學(xué)報(bào). 2017(06)
[3]基于自動編碼器組合的深度學(xué)習(xí)優(yōu)化方法[J]. 鄧俊鋒,張曉龍.  計(jì)算機(jī)應(yīng)用. 2016(03)
[4]基于改進(jìn)型稀疏自動編碼器的圖像識別[J]. 尹征,唐春暉,張軒雄.  電子科技. 2016(01)
[5]融合全局和局部相關(guān)熵的圖像分割[J]. 黃揚(yáng),郭立君,張榮.  中國圖象圖形學(xué)報(bào). 2015(12)
[6]基于卷積神經(jīng)網(wǎng)絡(luò)的商品圖像精細(xì)分類[J]. 賈世杰,楊東坡,劉金環(huán).  山東科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2014(06)

碩士論文
[1]弱標(biāo)注環(huán)境下基于多標(biāo)簽深度學(xué)習(xí)的加速圖像標(biāo)注[D]. 溫翔.北京交通大學(xué) 2016
[2]基于深度學(xué)習(xí)的目標(biāo)檢測算法研究及應(yīng)用[D]. 萬維.電子科技大學(xué) 2015
[3]基于圖像檢索的手持設(shè)備上大圖像自助導(dǎo)覽系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D]. 劉昱杰.浙江大學(xué) 2013



本文編號：2963312