一种连续型深度信念网的设计与应用
Design and Application of Continuous Deep Belief Network作者机构：北京工业大学电子信息与控制工程学院计算智能与智能系统北京市重点实验室北京100124
出 版 物：《自动化学报》 (Acta Automatica Sinica)
年 卷 期：2015年第41卷第12期
页 面：2138-2146页
核心收录：
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(61203099 61225016 61533002) 北京市科技计划课题(Z141100001414005 Z141101004414058) 高等学校博士学科点专项科研基金资助课题(20131103110016) 北京市科技新星计划(Z131104000413007) 北京市教育委员会科研计划项目(KZ201410005002 km201410005001)资助~~
摘 要：针对深度信念网(Deep belief network,DBN)学习连续数据时预测精度较差问题,提出一种双隐层连续型深度信念网.该网络首先对输入数据进行无监督训练,利用连续型传递函数实现数据特征提取,设计基于对比分歧算法的权值训练方法,并通过误差反传对隐层权值进行局部寻优,给出稳定性分析,保证训练输出结果稳定在规定区域.利用Lorenz混沌序列、CATS序列和大气CO_2预测实验对该网络进行测试,结果表明,连续型深度信念网具有结构精简、收敛速度快、预测精度高等优点.
维普期刊数据库
同方期刊数据库