-
题名深度学习中的自编码器的表达能力研究
被引量：35
- 1
-
-
作者
王雅思
姚鸿勋
孙晓帅
许鹏飞
赵思成
-
机构
哈尔滨工业大学计算机科学与技术学院
-
出处
《计算机科学》
CSCD
北大核心
2015年第9期56-60,65,共6页
-
基金
国家自然基金项目(61472103)
国家自然基金重点项目(61133003)资助
-
文摘
近年来,深度学习框架和非监督学习方法越来越流行,吸引了很多机器学习和人工智能领域研究者的兴趣。从深度学习中的"构造模块"入手,主要研究自编码器的表达能力,尤其是自编码器在数据降维方面的能力及其表达能力的稳定性。从深度学习的基础方法入手,旨在更好地理解深度学习。第一,自编码器和限制玻尔兹曼机是深度学习方法中的两种"构造模块",它们都可用作表达转换的途径,也可看作相对较新的非线性降维方法。第二,重点探究了对于视觉特征的理解,自编码器是否是一个好的表达转换途径。主要评估了单层自编码器的表达能力,并与传统方法PCA进行比较。基于原始像素和局部描述子的实验验证了自编码器的降维作用、自编码器表达能力的稳定性以及提出的基于自编码器的转换策略的有效性。最后,讨论了下一步的研究方向。
-
关键词
深度学习
表达转换
数据降维
单层自编码器
-
Keywords
Deep learning, Representation transformation, Dimensionality reduction, Single-layer auto-encoder
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名一种单层自动编码器的聚类算法研究
- 2
-
-
作者
李森林
彭小宁
黄隆华
-
机构
怀化学院计算机技术与工程学院
-
出处
《怀化学院学报》
2015年第11期39-42,共4页
-
文摘
不同的聚类算法都可以完成对无标签数据的分类,而Kmeans聚类算法是一种无监督静态数据分析机器学习方法,已被广泛应用于机器学习、模式识别、数据挖掘等领域.但对维度数据准确率不高,本文引入深度自动编码器完成对输入样本的特征自动学习和重构,实现对数据的降维和特征提取,代替原始数据通过Kmeans算法进行聚类分析.实验结果证明,改进后的AE Kmeans(Auto Encoder Kmeans)算法与单独使用Kmeans算法完成聚类相比,准确率得到明显提高.
-
关键词
单层自编码器
聚类算法
数据挖掘
-
Keywords
single layer auto encoder clustering algorithm data mining
-
分类号
TF3
[冶金工程—冶金机械及自动化]
-
