基于局部自动编码器的手写数字分类
Handwritten Digital Classification Based on Local Auto-encoders作者机构：中国计量大学信息工程学院杭州310018
出 版 物：《小型微型计算机系统》 (Journal of Chinese Computer Systems)
年 卷 期：2018年第39卷第11期
页 面：2447-2450页
学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）]
基 金：国家自然科学基金项目(61272315)资助 浙江省科技计划项目(2017C34003)资助
主 题：局部感知 多层神经网络 超限学习机 局部自动编码器 类限制
摘 要：针对超限学习机的输入权值进行研究,结合自动编码器的特征提取能力与深度学习的特征抽象能力,提出了局部感知的类限制超限学习机(RF-C2ELM),再将类限制超限学习机和RF-C2ELM扩展为多层神经网络.通过对M NIST数据集进行分类问题分析实验,实验结果表明,提出的算法在单隐层和多隐层神经网络中都具有较高的精度,并且在训练时间上具有一定的优势.
维普期刊数据库
同方期刊数据库