改進(jìn)的自編碼神經(jīng)網(wǎng)絡(luò)算法及其應(yīng)用.pdf

1、近年來(lái)，深度學(xué)習(xí)技術(shù)已成為人工智能領(lǐng)域重要的研究?jī)?nèi)容之一，各種基于受限玻爾茲曼機(jī)、自編碼神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)等深度學(xué)習(xí)模型相繼被提出。這些深度模型已經(jīng)成功應(yīng)用于圖像分類、生物信息學(xué)、語(yǔ)音識(shí)別、自然語(yǔ)言處理、推薦系統(tǒng)等眾多領(lǐng)域.論文以自編碼神經(jīng)網(wǎng)絡(luò)為研究對(duì)象，從手寫(xiě)體數(shù)字分類和不平衡數(shù)據(jù)分類兩個(gè)應(yīng)用領(lǐng)域來(lái)研究改進(jìn)的自編碼神經(jīng)網(wǎng)絡(luò)的分類性能，主要研究工作如下:
　　首先，考慮到降噪自編碼神經(jīng)網(wǎng)絡(luò)處理圖像問(wèn)題時(shí)，隱藏層神經(jīng)元大部分時(shí)間

2、處于抑制狀態(tài)，通過(guò)加入稀疏性限制，提出了一種稀疏降噪自編碼神經(jīng)網(wǎng)絡(luò)(SDAE)，使得抽象出的特征稀疏表示;其次，針對(duì)過(guò)采樣方法合成少數(shù)類新樣本時(shí)，會(huì)產(chǎn)生過(guò)擬合及噪音問(wèn)題，將代價(jià)敏感學(xué)習(xí)和SMOTE方法分別引入到降噪自編碼神經(jīng)網(wǎng)絡(luò)中，提出了基于代價(jià)敏感過(guò)采樣的降噪自編碼神經(jīng)網(wǎng)絡(luò)不平衡數(shù)據(jù)分類算法(OS-DAE)和基于SMOTE方法的堆棧降噪自編碼神經(jīng)網(wǎng)絡(luò)不平衡數(shù)據(jù)分類算法(SMOTE-SDAE).論文基于深度學(xué)習(xí)中自編碼神經(jīng)網(wǎng)絡(luò)而提出了三