卷积自适应降噪自动编码器

点击上方蓝字

关注我们

导读

       卷积神经网络是一种典型的深度学习架构，并广泛应用于图像识别和分类等领域。然而，随机初始化参数容易使算法陷入局部最优甚至发散，导致实际应用中效果并不理想。为了解决该问题，本文提出一种混合深度学习模型，卷积自适应降噪自动编码器（CNN-AdapDAE）。该模型将自适应降噪自动编码器（Adaptive Denoising Autoencoder, AdapDAE）学习的特征用于初始化卷积神经网络的滤波器，再对经过改进的卷积神经网络进行分类任务训练。在该模型中，AdapDAE算法作为卷积神经网络的预训练过程被提出，其基于退火原理自适应地获得噪声级别，噪声级别开始较高，随着训练的进行而逐渐降低。因此，采用AdapDAE算法学习到的特征包括不同粒度级别的特征的组合。在STL-10，CIFAR-10和MNIST数据集上的广泛实验结果表明，提出的算法优于采用随机初始化策略的卷积神经网络CNN(Random filters)、采用自动编码器预训练的卷积神经网络（CNN-AE）和其它一些特征学习方法。

请长按下方二维码识别，阅读该文。

相关内容推荐：

从上下文语境中学习： 基于相互增强模型的中文微博观点检索  2018 12(4)：714-724

决策树集成学习中的结构多样性 2018 12(3)：560-570

基于LDA模型的协同过滤  2018 12(3)：571-581

结合序列二次规划的回溯搜索算法 2018 12(2)：316-330

一种解决类不平衡问题的进化欠采样bagging集成分类算法 2018 12(2)：331-350

FCS 12(2) 人工智能专栏 | 关于差异进化算法中变异个体的选择

FCS 12(1) 文章 | 多峰问题全局优化的分布式学习粒子群优化算法

FCS 12(1) 文章 | 多层次的中文垃圾短信高效识别方法

---

---

Frontiers of Computer Science

---

Frontiers of Computer Science （FCS）是由教育部主管、高等教育出版社和北京航空航天大学共同主办、SpringerNature 公司海外发行的英文学术期刊。本刊于 2007 年创刊，双月刊，全球发行。主要刊登计算机科学领域具有创新性的综述论文、研究论文等。本刊主编为周志华教授，共同主编为熊璋教授。编委会及青年 AE 团队由国内外知名学者及优秀青年学者组成。本刊被 SCI、Ei、DBLP、INSPEC、SCOPUS 和中国科学引文数据库（CSCD）核心库等收录，为 CCF 推荐期刊；两次入选“中国科技期刊国际影响力提升计划”；入选“第4届中国国际化精品科技期刊”。

---

长按二维码关注Frontiers of Computer Science公众号