基于重叠稀疏组深度信念网络的图像识别
【出 处】:
【作 者】:
田进
陈秀宏
傅俊鹏
徐德荣
【摘 要】深度信念网络的隐含神经元大部分为噪声变量,且具有组结构相关性.组稀疏深度信念网络模型通过组Lasso模型对隐含神经元变量进行约束,从而实现变量组选择.然而,组稀疏深度信念网络模型未能考虑特征可同时属于多个特征组,并且隐含神经元在变量层面上不稀疏的问题.在组稀疏深度信念网络模型上引入重叠组结构,解释了重叠组Lasso模型在变量层面上比组Lasso模型稀疏的原因,并在变量层面上作进一步的稀疏,提出了重叠稀疏组深度信念网络模型.在MNIST、USPS、ETH-80以及人脸数据集上的识别结果表明,重叠稀疏组深度信念网络具有更高的识别率.
相关热词搜索: 深度信念网络 组Lasso 组稀疏 重叠稀疏组
上一篇: 基于Hu-GLCM的手势识别方法研究
下一篇: 基于噪声检测的总变分去噪算法