【摘要】：深度學(xué)習(xí)(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(jìn)行特征提取的一個學(xué)習(xí)過程。由于其在復(fù)雜函數(shù)表示和復(fù)雜數(shù)據(jù)分類上具有較好的效果和效率,已成功地應(yīng)用于語言識別、圖像識別等領(lǐng)域。深度學(xué)習(xí)的學(xué)習(xí)方法分為有監(jiān)督和無監(jiān)督學(xué)習(xí)。其中,卷積神經(jīng)網(wǎng)絡(luò)屬于有監(jiān)督學(xué)習(xí)模型；深度置信網(wǎng)絡(luò)屬于無監(jiān)督學(xué)習(xí)模型,它是深度學(xué)習(xí)中的最經(jīng)典的學(xué)習(xí)模型,本文主要針對深度置信網(wǎng)絡(luò)進(jìn)行深入研究。傳統(tǒng)的深度置信網(wǎng)絡(luò)利用重構(gòu)誤差作為網(wǎng)絡(luò)評價指標(biāo)。雖然重構(gòu)誤差能在一定程度上反應(yīng)網(wǎng)絡(luò)對訓(xùn)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(guān)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(luò)評價指標(biāo)。于是,本文提出一種基于MIC的深度置信網(wǎng)絡(luò)方法,一方面用MIC對數(shù)據(jù)進(jìn)行降維預(yù)處理,保留相關(guān)度較大的屬性,提高數(shù)據(jù)與網(wǎng)絡(luò)的擬合度；另一方面將MIC作為網(wǎng)絡(luò)評價標(biāo)準(zhǔn),改進(jìn)重構(gòu)誤差的不可靠性。在手寫識別數(shù)據(jù)集MNIST和USPS上進(jìn)行仿真實驗,實驗結(jié)果表明基于MIC的深度置信網(wǎng)絡(luò)能有效降低網(wǎng)絡(luò)分類誤差。研究中還發(fā)現(xiàn),深度置信網(wǎng)絡(luò)中的網(wǎng)絡(luò)參數(shù),如學(xué)習(xí)率,較難設(shè)定,當(dāng)值過大時,收斂速度較快但易造成網(wǎng)絡(luò)不穩(wěn)定,當(dāng)值偏小時,雖可避免網(wǎng)絡(luò)的不穩(wěn)定性,但收斂速度較慢。因此,在網(wǎng)絡(luò)的學(xué)習(xí)過程中,找到一個適當(dāng)?shù)膶W(xué)習(xí)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(xué)習(xí)獲得網(wǎng)絡(luò)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(luò)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(luò)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(xué)習(xí)率,提高網(wǎng)絡(luò)學(xué)習(xí)速率以及網(wǎng)絡(luò)的精度；另一方面保留能量值最小情況下的網(wǎng)絡(luò)參數(shù),初始化網(wǎng)絡(luò),提高網(wǎng)絡(luò)與訓(xùn)練樣本的擬合度。在手寫識別數(shù)據(jù)集MNIST和USPS上進(jìn)行仿真實驗,實驗結(jié)果表明了基于遺傳算法的深度置信網(wǎng)絡(luò)收斂速率較快且精度高。ICU預(yù)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(luò)算法應(yīng)用于ICU數(shù)據(jù)集,構(gòu)建基于深度置信網(wǎng)絡(luò)的ICU預(yù)后評估系統(tǒng),實驗結(jié)果驗證了深度置信網(wǎng)絡(luò)也能較好地應(yīng)用于ICU預(yù)后評估。
[Abstract]:......
【學(xué)位授予單位】：廣東工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP181

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 吳瑞鏞,徐大紋;具有年齡結(jié)構(gòu)的遺傳算法[J];桂林電子工業(yè)學(xué)院學(xué)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(shè)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(jié)構(gòu)的遺傳算法[J];計算機工程與應(yīng)用;2002年11期

4 谷峰,吳勇,唐俊;遺傳算法的改進(jìn)[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(xué)學(xué)報(自然科學(xué)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(xué)院學(xué)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(shù)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(xué)院學(xué)報;2005年04期

10 李冰潔;;遺傳算法及其應(yīng)用實例[J];吉林工程技術(shù)師范學(xué)院學(xué)報;2005年12期

相關(guān)會議論文 前10條

1 陳家照;廖海濤;張中位;羅寅生;;一種改進(jìn)的遺傳算法及其在路徑規(guī)劃中的應(yīng)用[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)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(shè)計中的應(yīng)用[A];第五屆全國制冷空調(diào)新技術(shù)研討會論文集[C];2008年

3 王志軍;李守春;張爽;;改進(jìn)的遺傳算法在反演問題中的應(yīng)用[A];新世紀(jì) 新機遇 新挑戰(zhàn)——知識創(chuàng)新和高新技術(shù)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(jìn)遺傳算法在三維日照方案優(yōu)化中的應(yīng)用[A];工程三維模型與虛擬現(xiàn)實表現(xiàn)——第二屆工程建設(shè)計算機應(yīng)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(xué)術(shù)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(shù)及其應(yīng)用學(xué)術(shù)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(shè)計[A];全國第二屆信號處理與應(yīng)用學(xué)術(shù)會議�？痆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(yīng)用[A];1995年中國智能自動化學(xué)術(shù)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(xué)術(shù)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(xué)術(shù)會議論文集（下冊）[C];1996年

相關(guān)重要報紙文章 前1條

1 林京;《神經(jīng)網(wǎng)絡(luò)和遺傳算法在水科學(xué)領(lǐng)域的應(yīng)用》將面市[N];中國水利報;2002年

相關(guān)博士學(xué)位論文 前10條

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

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

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

4 Amjad Mahmood;半監(jiān)督進(jìn)化集成及其在網(wǎng)絡(luò)視頻分類中的應(yīng)用[D];西南交通大學(xué);2015年

5 周輝仁;遞階遺傳算法理論及其應(yīng)用研究[D];天津大學(xué);2008年

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

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

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

9 唐文艷;結(jié)構(gòu)優(yōu)化中的遺傳算法研究和應(yīng)用[D];大連理工大學(xué);2002年

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

相關(guān)碩士學(xué)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(xué);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(xué);2013年

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

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

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

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

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

，

本文編號：2488988