文献

J-GLOBAL ID：201702210676441145   整理番号：17A0358085

受限玻Er受限玻Erのスパース特徴学習【JST・京大機械翻訳】

Sparse Feature Learning for Restricted Boltzmann Machine

著者 (3件)： Kang Liping (Institute of Electronic,Chinese Academy of Sciences) ,  Xu Guangluan (Institute of Electronic,Chinese Academy of Sciences) ,  Sun Xian (Institute of Electronic,Chinese Academy of Sciences)
資料名： Jisuanji Kexue  (Jisuanji Kexue)
巻： 43  号： 12  ページ： 91-96  発行年： 2016年 
JST資料番号： C2530A  ISSN： 1002-137X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 受限玻Erは,深さ学習アルゴリズムの基礎モデルとして広く使用されているが,従来のRBMアルゴリズムはデータのスパース特性学習を十分に考慮していないので,アルゴリズムの性能はデータセットのスパース性によって大きく影響される。本論文において,著者らは,RBMの特徴的学習方法(SRBM)を提案して,それは,入力データの平均値によって,データセットのスパース係数を決定し,そして,スパース係数が閾値より大きいデータセットを,まばらなデータセットに変換し,そして,入力データのスパース性を,情報損失なしで実現した。手書き文字数データセットと自然画像データセットに関する実験結果は,SRBMが入力データのスパース性によって,RBMの特徴的学習性能を効果的に向上させることができることを示した。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： *学習 ,  学習アルゴリズム ,  アルゴリズム ,  *透視図法 ,  学習性能 ,  データ損失
準シソーラス用語： 自然画像 ,  手書き ,  入力データ ,  学習方法 ,  スパース性 , 【Automatic Indexing@JST】

著者キーワード (5件)： Restricted Boltzmann machine(RBM) ,  Sparsity ,  Feature learning ,  Belief network ,  Stability

分類 (1件)： 信号理論  (ND02020G)

タイトルに関連する用語 (2件)： Er ,  学習