文献类型：期刊文章

作　　者：张成刚[1] 姜静清[2]

机构地区：[1]内蒙古民族大学数学学院,内蒙古通辽028043 [2]内蒙古民族大学计算机科学与技术学院,内蒙古通辽028043

出　　处：《内蒙古民族大学学报（自然科学版）》

基　　金：国家自然科学基金资助项目(61163034;61373067);内蒙古自治区自然科学基金资助项目(2013MS0910;2013MS0911)

年　　份：2016

卷　　号：31

期　　号：1

起止页码：21-25

语　　种：中文

收录情况：普通刊

摘　　要：近年来,基于深度学习的自编码神经网络是数据降维问题研究的热点,数据降维能够有效地消除无关和冗余信息,提高学习数据内在特征的效率.研究了在原始数据预处理时加入噪声,可训练出对输入信息更加鲁棒的表达,从而提升自编码神经网络模型对输入数据的泛化能力.提出了一种稀疏降噪自编码神经网络(Sparse De-noising Auto-Encoder,SDAE),基于稀疏性的思想,对降噪自编码神经网络加以改进,使得抽象出的特征稀疏表示,更有效的用于数据分类.实验结果表明稀疏降噪自编码神经网络(SDAE)分类准确率要优于传统的自编码神经网络及降噪自编码神经网络.

关 键 词：数据降维 降噪 稀疏  稀疏降噪自编码神经网络  

分 类 号：TP183]