【摘 要】
：
深度置信网络是由若干层无监督的限制玻尔兹曼机(Restricted Boltzmann machines,RBM)和一层有监督的反馈神经网络组成的深层结构,该结构通过对低层输入的逐层抽象转化提取复
论文部分内容阅读
深度置信网络是由若干层无监督的限制玻尔兹曼机(Restricted Boltzmann machines,RBM)和一层有监督的反馈神经网络组成的深层结构,该结构通过对低层输入的逐层抽象转化提取复杂输入及复杂分类数据的有效信息.然而,深度置信网络模型存在隐含层数及特征维数难以确定,后向有监督过程存在"导数消亡"问题,使得低层结构参数得不到有效的训练,而且噪声干扰直接影响识别结果的问题.针对以上问题,提出以下解决方法:每个隐含层位置构建当前层输出与样本标签之间的映射转换矩阵,根据理论标签与实际标签之间的差异,实现隐含层特征维数的自适应调整,缓解"导数消亡"问题,同时在第一隐含层位置进行特征空间降噪,保证计算效率及提高诊断模型的识别效果.复杂工况的齿轮箱故障模拟实验,验证所提方法的有效性.
其他文献
随着新科技发展的突飞猛进,很多传统行业不可避免的衍生出符合新形势的发展趋势。服装行业作为"衣食住行"的基础产业,在电子技术迅猛发展的今天,不可避免的受到极大的冲击。
为提高连续语音识别中的音素识别准确率,采用深可信网络提取语音音素后验概率进行音素识别。首先利用受限玻尔兹曼机的学习原理,对深可信网络进行逐层的预训练;然后通过增加
为提高视频人脸检测的准确性,我们提出了LSTM-RBM-NMS模型下的视频人脸检测方法。该模型首先利用公开的视频人脸数据集输入长短期记忆网络(Long Short-Term Memory, LSTM)网
本文从湿部施胶方面对涂塑用彩色相纸原纸的边缘渗透（edgesoiling）性能进行了实验室探讨，结果表明采用AKD中性施胶方法和合适的表面施胶助剂可以使该项性能达到小于0.5mm的指标
<正>2015年7月25日至8月10日,笔者前往俄罗斯考察其历史教育情况,以下是考察所得感悟,呈现在此与同仁分享。一、实践活动形式多样俄罗斯重视历史教育,其普通教育的课程门类设
RBM是深度信念网络的重要组成单元,也是深度学习领域的基本方法之一。笔者首先介绍RBM模型的建立过程,在此基础之上详细分析RBM的三次数据传递过程。之后,引入深度信念网络模
随着科技的快速发展,人们对纸张质量的要求越来越高,同时对纸张的性能要求也同样严格。纸张多孔性、网状孔隙结构决定纸张的许多性能,如油墨的吸收性、印刷性能及过滤性能等,
行人检测一直是计算机视觉领域的热点和难点问题。本文提出了一种结合玻尔兹曼机RBM(Restricted Boltzmann Machine)和支持向量机SVM(Suport Vector Machines)的深度学习网络
无因管理本人的偿还义务范围由无因管理制度的基础范式决定。在法律史和比较法的研究视野内,无因管理制度主要存在两种基础范式,这两种范式分别以非紧急的一般情况和紧急情况
碳纳米管是一种纳米尺度的新型碳材料,具有独特的物理、化学性质。近年来,碳纳米管在生物医学领域的潜在应用前景已经引起科学界和产业界的极大兴趣与关注。与蛋白质分子的非