【摘要】：深度學習(Deep Learning, DL)包含多個隱藏層,是一種模擬人腦機制,將數(shù)據(jù)從底層映射到高層進行特征提取的一個學習過程。由于其在復雜函數(shù)表示和復雜數(shù)據(jù)分類上具有較好的效果和效率,已成功地應用于語言識別、圖像識別等領域。深度學習的學習方法分為有監(jiān)督和無監(jiān)督學習。其中,卷積神經(jīng)網(wǎng)絡屬于有監(jiān)督學習模型；深度置信網(wǎng)絡屬于無監(jiān)督學習模型,它是深度學習中的最經(jīng)典的學習模型,本文主要針對深度置信網(wǎng)絡進行深入研究。傳統(tǒng)的深度置信網(wǎng)絡利用重構誤差作為網(wǎng)絡評價指標。雖然重構誤差能在一定程度上反應網(wǎng)絡對訓練樣本的擬合度,但并不可靠。最大信息系數(shù)(MIC)能用來確定兩個屬性間的相關度,并較穩(wěn)健,不易受異常值的影響,因此可利用MIC作為網(wǎng)絡評價指標。于是,本文提出一種基于MIC的深度置信網(wǎng)絡方法,一方面用MIC對數(shù)據(jù)進行降維預處理,保留相關度較大的屬性,提高數(shù)據(jù)與網(wǎng)絡的擬合度；另一方面將MIC作為網(wǎng)絡評價標準,改進重構誤差的不可靠性。在手寫識別數(shù)據(jù)集MNIST和USPS上進行仿真實驗,實驗結果表明基于MIC的深度置信網(wǎng)絡能有效降低網(wǎng)絡分類誤差。研究中還發(fā)現(xiàn),深度置信網(wǎng)絡中的網(wǎng)絡參數(shù),如學習率,較難設定,當值過大時,收斂速度較快但易造成網(wǎng)絡不穩(wěn)定,當值偏小時,雖可避免網(wǎng)絡的不穩(wěn)定性,但收斂速度較慢。因此,在網(wǎng)絡的學習過程中,找到一個適當?shù)膶W習率是非常重要的。傳統(tǒng)方法往往是根據(jù)經(jīng)驗或者多次學習獲得網(wǎng)絡參數(shù),遺傳算法可以通過其自身全局最優(yōu)解的特性,尋找網(wǎng)絡最佳參數(shù)。因次,本文提出了一種基于遺傳算法的深度置信網(wǎng)絡參數(shù)自尋優(yōu)方法,一方面通過遺傳算法中選擇交叉變異等算子多步迭代找到最佳學習率,提高網(wǎng)絡學習速率以及網(wǎng)絡的精度；另一方面保留能量值最小情況下的網(wǎng)絡參數(shù),初始化網(wǎng)絡,提高網(wǎng)絡與訓練樣本的擬合度。在手寫識別數(shù)據(jù)集MNIST和USPS上進行仿真實驗,實驗結果表明了基于遺傳算法的深度置信網(wǎng)絡收斂速率較快且精度高。ICU預后評估對于緩解醫(yī)療資源的緊缺,以及在合理分配資源上具有重要的意義。本文將深度置信網(wǎng)絡算法應用于ICU數(shù)據(jù)集,構建基于深度置信網(wǎng)絡的ICU預后評估系統(tǒng),實驗結果驗證了深度置信網(wǎng)絡也能較好地應用于ICU預后評估。
[Abstract]:......
【學位授予單位】：廣東工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP181

【相似文獻】

相關期刊論文 前10條

1 吳瑞鏞,徐大紋;具有年齡結構的遺傳算法[J];桂林電子工業(yè)學院學報;2001年04期

2 楊艷麗,史維祥;一種新的優(yōu)化算法—遺傳算法的設計[J];液壓氣動與密封;2001年02期

3 楊宜康,李雪,彭勤科,黃永宣;具有年齡結構的遺傳算法[J];計算機工程與應用;2002年11期

4 谷峰,吳勇,唐俊;遺傳算法的改進[J];微機發(fā)展;2003年06期

5 ;遺傳算法[J];計算機教育;2004年10期

6 趙義紅,李正文,何其四;生物信息處理系統(tǒng)遺傳算法探討[J];成都理工大學學報(自然科學版);2004年05期

7 劉坤,劉偉波,吳忠強;基于模糊遺傳算法的電液位置伺服系統(tǒng)控制[J];黑龍江科技學院學報;2005年04期

8 張英俐,劉弘 ,馬金剛;遺傳算法作曲系統(tǒng)研究[J];信息技術與信息化;2005年05期

9 丁發(fā)智;;淺談遺傳算法[J];烏魯木齊成人教育學院學報;2005年04期

10 李冰潔;;遺傳算法及其應用實例[J];吉林工程技術師范學院學報;2005年12期

相關會議論文 前10條

1 陳家照;廖海濤;張中位;羅寅生;;一種改進的遺傳算法及其在路徑規(guī)劃中的應用[A];2009系統(tǒng)仿真技術及其應用學術會議論文集[C];2009年

2 李國云;劉穎;薛梅;鄔志敏;;遺傳算法在高溫空冷冷凝器優(yōu)化設計中的應用[A];第五屆全國制冷空調新技術研討會論文集[C];2008年

3 王志軍;李守春;張爽;;改進的遺傳算法在反演問題中的應用[A];新世紀 新機遇 新挑戰(zhàn)——知識創(chuàng)新和高新技術產(chǎn)業(yè)發(fā)展（上冊）[C];2001年

4 任燕翔;姜立;劉連民;從滋慶;;改進遺傳算法在三維日照方案優(yōu)化中的應用[A];工程三維模型與虛擬現(xiàn)實表現(xiàn)——第二屆工程建設計算機應用創(chuàng)新論壇論文集[C];2009年

5 韓娟;;遺傳算法概述[A];第三屆河南省汽車工程科技學術研討會論文集[C];2006年

6 龐國仲;王元西;;基于遺傳算法控制步長的定性仿真方法[A];'2000系統(tǒng)仿真技術及其應用學術交流會論文集[C];2000年

7 張忠華;楊淑瑩;;基于遺傳算法的聚類設計[A];全國第二屆信號處理與應用學術會議專刊[C];2008年

8 何翠紅;區(qū)益善;;遺傳算法及其在計算機編程中的應用[A];1995年中國智能自動化學術會議暨智能自動化專業(yè)委員會成立大會論文集（下冊）[C];1995年

9 靳開巖;張乃堯;;幾種實用遺傳算法及其比較[A];1996年中國智能自動化學術會議論文集（下冊）[C];1996年

10 王宏剛;曾建潮;李志宏;;攝動遺傳算法[A];1996年中國智能自動化學術會議論文集（下冊）[C];1996年

相關重要報紙文章 前1條

1 林京;《神經(jīng)網(wǎng)絡和遺傳算法在水科學領域的應用》將面市[N];中國水利報;2002年

相關博士學位論文 前10條

1 蔡美菊;交互式遺傳算法及其在隱性目標決策問題中的應用研究[D];合肥工業(yè)大學;2015年

2 張士偉;三維聲學快速多極基本解法在機械噪聲預測中的應用研究[D];沈陽工業(yè)大學;2016年

3 高軍;無鉛焊料本構模型及其參數(shù)識別方法研究[D];南京航空航天大學;2015年

4 Amjad Mahmood;半監(jiān)督進化集成及其在網(wǎng)絡視頻分類中的應用[D];西南交通大學;2015年

5 周輝仁;遞階遺傳算法理論及其應用研究[D];天津大學;2008年

6 郝國生;交互式遺傳算法中用戶的認知規(guī)律及其應用[D];中國礦業(yè)大學;2009年

7 侯格賢;遺傳算法及其在跟蹤系統(tǒng)中的應用研究[D];西安電子科技大學;1998年

8 馬國田;遺傳算法及其在電磁工程中的應用[D];西安電子科技大學;1998年

9 唐文艷;結構優(yōu)化中的遺傳算法研究和應用[D];大連理工大學;2002年

10 周激流;遺傳算法理論及其在水問題中應用的研究[D];四川大學;2000年

相關碩士學位論文 前10條

1 張英俐;基于遺傳算法的作曲系統(tǒng)研究[D];山東師范大學;2006年

2 鐘海萍;原對偶遺傳算法與蟻群算法的一種融合算法[D];暨南大學;2013年

3 李志添;模糊遺傳算法與資源優(yōu)化配置的預測控制[D];華南理工大學;2015年

4 王琳琳;新型雙層液壓轎運車車廂的設計研究[D];上海工程技術大學;2015年

5 李海全;基于遺傳算法的建筑體形系數(shù)及迎風面積比優(yōu)化方法研究[D];華南理工大學;2015年

6 彭騫;基于遺傳算法的山區(qū)高等級公路縱斷面智能優(yōu)化方法研究[D];昆明理工大學;2015年

7 周玉林;基于小波分析和遺傳算法的配電網(wǎng)故障檢測[D];昆明理工大學;2015年

8 郭頌;基于粗糙集和遺傳算法的數(shù)字管道生產(chǎn)管理系統(tǒng)研究[D];昆明理工大學;2015年

9 吳南;數(shù)值逼近遺傳算法的研究應用[D];華南理工大學;2015年

10 于光帥;一類優(yōu)化算法的改進研究與應用[D];渤海大學;2015年

，

本文編號：2488988