电子科技
電子科技
전자과기
IT AGE
2015年
5期
20-23
,共4页
深度置信网%神经网络%Dropout%深度学习
深度置信網%神經網絡%Dropout%深度學習
심도치신망%신경망락%Dropout%심도학습
传统的浅层学习神经网络虽然结构简单,算法速度快,但错误率较高,且容易陷入局部最小.文中采用深度结构的深度置信网,优化基于传统BP神经网的初始值,以获得较好的检测结果,并利用Dropout技术改进BP网络隐层单元,获得较快的运算速度.实验证明,经过DBN和Dropout改善后的网络错误率有明显降低,并且算法实时性得到了一定改善.
傳統的淺層學習神經網絡雖然結構簡單,算法速度快,但錯誤率較高,且容易陷入跼部最小.文中採用深度結構的深度置信網,優化基于傳統BP神經網的初始值,以穫得較好的檢測結果,併利用Dropout技術改進BP網絡隱層單元,穫得較快的運算速度.實驗證明,經過DBN和Dropout改善後的網絡錯誤率有明顯降低,併且算法實時性得到瞭一定改善.
전통적천층학습신경망락수연결구간단,산법속도쾌,단착오솔교고,차용역함입국부최소.문중채용심도결구적심도치신망,우화기우전통BP신경망적초시치,이획득교호적검측결과,병이용Dropout기술개진BP망락은층단원,획득교쾌적운산속도.실험증명,경과DBN화Dropout개선후적망락착오솔유명현강저,병차산법실시성득도료일정개선.
