论文部分内容阅读
为了提高深度信念网络(DBN)的收敛速度以及提高小样本条件下的态势要素的获取精度,提出一种基于批量归一化(BN)的DBN安全态势要素获取机制。一方面在DBN中加入BN以解决梯度消失问题并稳定网络训练;另一方面在DBN输出层提出一种改进的主动学习(IAL)算法反向微调DBN,在每次迭代中主动选择训练样本来平衡样本种类。理论分析和实验数据仿真结果表明该机制能够解决DBN收敛速度过慢、梯度消失以及小类样本分类不准确问题,同时在获取精度、收敛速度以及算法复杂度上优于未改进的DBN态势要素获取机制。