期刊文献+
共找到172篇文章
< 1 2 9 >
每页显示 20 50 100
基于RBM无监督学习模型的图像数据去噪
1
作者 沈卉卉 李宏伟 钱坤 《计算机辅助设计与图形学学报》 北大核心 2025年第1期167-175,共9页
已有的受限Boltzmann机(restricted Boltzmann machine,RBM)模型去噪方法完全基于它是无向图模型,多个RBM组合模型,其低层的分布依赖于高层的分布,会导致计算复杂,去噪效果也一般,应用难以推广.为解决这一问题,提出基于RBM模型的深度信... 已有的受限Boltzmann机(restricted Boltzmann machine,RBM)模型去噪方法完全基于它是无向图模型,多个RBM组合模型,其低层的分布依赖于高层的分布,会导致计算复杂,去噪效果也一般,应用难以推广.为解决这一问题,提出基于RBM模型的深度信念网络(deep belief nets,DBN)的图像数据随机噪声去除的方法.将原始图像加入随机噪声,把带噪声的图像分割若干小块,将其一一拉成向量;批量输入2个隐层的DBN模型中进行学习,原始图像作为标签进行反向微调;最后将其学习的特征输出,还原成图像,即达到消除随机噪声的目的.将DBN模型分别在自然图像数据、模拟的地震数据和真实的地震数据上进行随机噪声去除实验,实验结果表明,提出的基于RBM模型的DBN在自然图像数据和地震数据上去噪方法可行的.在噪声标准差为50 dB时,Set12数据集中图像去噪后峰值信噪比至少提高2.08 dB,至少提高6.99%;且在不同噪声标准差下,该方法去除随机噪声效果均优于其他无监督学习算法和卷积神经网络等深度学习方法,说明RBM模型在图像特征学习性能、本质特征提取上有很强的能力.也为工程领域中的图像去噪方法提供了一种新的研究思路和借鉴. 展开更多
关键词 受限boltzmann 无监督学习 rbm模型 图像去噪 随机噪声
在线阅读 下载PDF
基于动态Gibbs采样的RBM训练算法研究 被引量:16
2
作者 李飞 高晓光 万开方 《自动化学报》 EI CSCD 北大核心 2016年第6期931-942,共12页
目前大部分受限玻尔兹曼机(Restricted Boltzmann machines,RBMs)训练算法都是以多步Gibbs采样为基础的采样算法.本文针对多步Gibbs采样过程中出现的采样发散和训练速度过慢的问题,首先,对问题进行实验描述,给出了问题的具体形式;然后,... 目前大部分受限玻尔兹曼机(Restricted Boltzmann machines,RBMs)训练算法都是以多步Gibbs采样为基础的采样算法.本文针对多步Gibbs采样过程中出现的采样发散和训练速度过慢的问题,首先,对问题进行实验描述,给出了问题的具体形式;然后,从马尔科夫采样的角度对多步Gibbs采样的收敛性质进行了理论分析,证明了多步Gibbs采样在受限玻尔兹曼机训练初期较差的收敛性质是造成采样发散和训练速度过慢的主要原因;最后,提出了动态Gibbs采样算法,给出了对比仿真实验.实验结果表明,动态Gibbs采样算法可以有效地克服采样发散的问题,并且能够以微小的运行时间为代价获得更高的训练精度. 展开更多
关键词 受限玻尔兹曼机 GIBBS采样 采样算法 马尔科夫理论
在线阅读 下载PDF
基于权值动量的RBM加速学习算法研究 被引量:11
3
作者 李飞 高晓光 万开方 《自动化学报》 EI CSCD 北大核心 2017年第7期1142-1159,共18页
动量算法理论上可以加速受限玻尔兹曼机(Restricted Boltzmann machine,RBM)网络的训练速度.本文通过对现有动量算法进行仿真研究,发现现有动量算法在受限玻尔兹曼机网络训练中加速效果较差,且在训练后期逐渐失去了加速性能.针对以上问... 动量算法理论上可以加速受限玻尔兹曼机(Restricted Boltzmann machine,RBM)网络的训练速度.本文通过对现有动量算法进行仿真研究,发现现有动量算法在受限玻尔兹曼机网络训练中加速效果较差,且在训练后期逐渐失去了加速性能.针对以上问题,本文首先基于Gibbs采样收敛性定理对现有动量算法进行了理论分析,证明了现有动量算法的加速效果是以牺牲网络权值为代价的;然后,本文进一步对网络权值进行研究,发现网络权值中包含大量真实梯度的方向信息,这些方向信息可以用来对网络进行训练;基于此,本文提出了基于网络权值的权值动量算法,最后给出了仿真实验.实验结果表明,本文提出的动量算法具有更好的加速效果,并且在训练后期仍然能够保持较好的加速性能,可以很好地弥补现有动量算法的不足. 展开更多
关键词 深度学习 受限玻尔兹曼机 动量算法 权值动量
在线阅读 下载PDF
基于RNN-RBM语言模型的语音识别研究 被引量:27
4
作者 黎亚雄 张坚强 +1 位作者 潘登 胡惮 《计算机研究与发展》 EI CSCD 北大核心 2014年第9期1936-1944,共9页
近年来深度学习兴起,其在语言模型领域有着不错的成效,如受限玻尔兹曼机(restricted Boltzmann machine,RBM)语言模型等.不同于N-gram语言模型,这些根植于神经网络的语言模型可以将词序列映射到连续空间来评估下一词出现的概率,以解决... 近年来深度学习兴起,其在语言模型领域有着不错的成效,如受限玻尔兹曼机(restricted Boltzmann machine,RBM)语言模型等.不同于N-gram语言模型,这些根植于神经网络的语言模型可以将词序列映射到连续空间来评估下一词出现的概率,以解决数据稀疏的问题.此外,也有学者使用递归神经网络来建构语言模型,期望由递归的方式充分利用所有上文信息来预测下一词,进而有效处理长距离语言约束.根据递归受限玻尔兹曼机神经网络(recurrent neural network-restricted Boltzmann machine,RNN-RBM)的基础来捕捉长距离信息;另外,也探讨了根据语言中语句的特性来动态地调整语言模型.实验结果显示,使用RNN-RBM语言模型对于大词汇连续语音识别的效能有相当程度的提升. 展开更多
关键词 语音识别 语言模型 神经网络 递归神经网络-受限玻尔兹曼机 关联信息
在线阅读 下载PDF
基于改进并行回火算法的RBM网络训练研究 被引量:7
5
作者 李飞 高晓光 万开方 《自动化学报》 EI CSCD 北大核心 2017年第5期753-764,共12页
目前受限玻尔兹曼机网络训练算法主要是基于采样的算法.当用采样算法进行梯度计算时,得到的采样梯度是真实梯度的近似值,采样梯度和真实梯度之间存在较大的误差,这严重影响了网络的训练效果.针对该问题,本文首先分析了采样梯度和真实梯... 目前受限玻尔兹曼机网络训练算法主要是基于采样的算法.当用采样算法进行梯度计算时,得到的采样梯度是真实梯度的近似值,采样梯度和真实梯度之间存在较大的误差,这严重影响了网络的训练效果.针对该问题,本文首先分析了采样梯度和真实梯度之间的数值误差和方向误差,以及它们对网络训练性能的影响,然后从马尔科夫采样的角度对以上问题进行了理论分析,并建立了梯度修正模型,通过修正梯度对采样梯度进行数值和方向的调节,并提出了基于改进并行回火算法的训练算法,即GFPT(Gradient fixing parallel tempering)算法.最后给出GFPT算法与现有算法的对比实验,仿真结果表明,GFPT算法可以极大地减小采样梯度和真实梯度之间的误差,大幅度提升受限玻尔兹曼机网络的训练效果. 展开更多
关键词 深度学习 受限玻尔兹曼机 采样算法 马尔科夫理论 并行回火 GFPT
在线阅读 下载PDF
混合型RBM在结合面接触模型中的应用 被引量:3
6
作者 田杨 刘志峰 蔡力钢 《计算机集成制造系统》 EI CSCD 北大核心 2016年第10期2442-2449,共8页
为了预测不同加工方式下的表面形貌参数,提出一种基于混合型约束玻尔兹曼机(RBM)的表面形貌参数预测方法,针对RBM泛化能力较低、且固定的训练率不利于网络跳出极小点的问题,应用稀疏自动编码机实现预测数值的特征提取,设计混合型RBM神... 为了预测不同加工方式下的表面形貌参数,提出一种基于混合型约束玻尔兹曼机(RBM)的表面形貌参数预测方法,针对RBM泛化能力较低、且固定的训练率不利于网络跳出极小点的问题,应用稀疏自动编码机实现预测数值的特征提取,设计混合型RBM神经网络预测出表面形貌参数值。在无监督训练中,利用一种动态学习率法则改进网络来提高特征向量映射的准确度,为了提高无监督学习阶段的训练速度,使用对比分散准则快速训练神经网络,通过混合型RBM训练模型任意输入加工参数即可获得结合面的表面形貌参数。为了将结合面参数直接应用于工程,基于表面形貌参数、采用分形理论推导了接触模型应用的实现过程,将结合面微观状态不均匀载荷下各节点的刚度、阻尼值植入有限元模型,最终通过与相同试件的实验值对比,验证了结合面实现方法的正确性,为数控机床结构优化与精度提高提供了基础。 展开更多
关键词 动态学习 混合型约束玻尔兹曼机 分形理论 结合面
在线阅读 下载PDF
集成参数自适应调整及隐含层降噪的深层RBM算法 被引量:7
7
作者 张绍辉 《自动化学报》 EI CSCD 北大核心 2017年第5期855-865,共11页
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... 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. 展开更多
关键词 限制玻尔兹曼机 特征提取 降噪 齿轮箱
在线阅读 下载PDF
一种基于RBM-SVM算法的无线传感网络入侵检测算法 被引量:23
8
作者 程超 武静凯 陈梅 《计算机应用与软件》 北大核心 2022年第5期325-329,共5页
针对以通信节点为基础的无线传感器网络作为物联网基础设施开始临越来越多的信息安全威胁,提出一种基于RBM特征提取和多层SVM检测的无线传感网络入侵检测方法,将收集到的高维网络数据进行特征信息提取并结合网络拓扑结构及攻击流量相似... 针对以通信节点为基础的无线传感器网络作为物联网基础设施开始临越来越多的信息安全威胁,提出一种基于RBM特征提取和多层SVM检测的无线传感网络入侵检测方法,将收集到的高维网络数据进行特征信息提取并结合网络拓扑结构及攻击流量相似性分层检测入侵行为。实验仿真采用NSL_KDD公共入侵检测数据集,实验结果表明该模型对网络流量检测准确率为99.06%。 展开更多
关键词 无线传感网络 入侵检测 特征提取 受限玻尔兹曼机 支持向量机
在线阅读 下载PDF
基于多源信息聚类和IRC-RBM的混合推荐算法 被引量:6
9
作者 何登平 张为易 黄浩 《计算机工程与科学》 CSCD 北大核心 2020年第6期1089-1095,共7页
针对协同过滤存在的数据稀疏性问题,提出了融合多源信息聚类和IRC-RBM的混合推荐算法。首先以用户信任度和项目时间权重作为聚类依据,利用最小生成树的K-means聚类算法对用户进行聚类分析,生成K个相似用户集合,在聚类分析的基础上进行... 针对协同过滤存在的数据稀疏性问题,提出了融合多源信息聚类和IRC-RBM的混合推荐算法。首先以用户信任度和项目时间权重作为聚类依据,利用最小生成树的K-means聚类算法对用户进行聚类分析,生成K个相似用户集合,在聚类分析的基础上进行评分预测;最后通过线性加权的方式,把聚类后评分矩阵和IRC-RBM模型生成的评分矩阵进行加权融合,用Top-N进行推荐。实验结果表明,相比较传统的推荐算法,该混合算法在准确率上有了显著的提升。 展开更多
关键词 多源信息 聚类 受限玻尔兹曼机 混合推荐
在线阅读 下载PDF
基于MFCC和RBM的料位软测量 被引量:2
10
作者 郭磊 阎高伟 《控制工程》 CSCD 北大核心 2016年第9期1335-1339,共5页
球磨机是应用于磨矿过程的关键设备,可靠测量其料位对实现优化控制和节能降耗具有重大意义。针对球磨机振声信号存在非线性及其梅尔频率倒谱系数(MFCC)存在不相关信息等问题,提出了一种基于MFCC、受限玻尔兹曼机(RBM)和支持向量回归(SVR... 球磨机是应用于磨矿过程的关键设备,可靠测量其料位对实现优化控制和节能降耗具有重大意义。针对球磨机振声信号存在非线性及其梅尔频率倒谱系数(MFCC)存在不相关信息等问题,提出了一种基于MFCC、受限玻尔兹曼机(RBM)和支持向量回归(SVR)的软测量方法。首先对振声信号计算MFCC特征,然后采用RBM对MFCC进行特征提取,以减弱噪声和提高模型精度,最后将提取的特征输入支持向量机进行回归。实验结果表明该模型的有效性和可行性。 展开更多
关键词 球磨机料位 软测量 梅尔频率倒谱系数 受限玻尔兹曼机 支持向量回归
在线阅读 下载PDF
基于Lorentz函数的稀疏约束RBM模型的算法研究 被引量:1
11
作者 邹维宝 于昕玉 麦超 《计算机工程与应用》 CSCD 北大核心 2018年第7期213-220,231,共9页
受限玻尔兹曼机(Restricted Boltzmann Machine,RBM)是一种有效的特征提取算法,受视觉皮层稀疏表示的启发,人们试图将稀疏这一概念引入到RBM中,以期学习到原始数据的稀疏表示,提高其特征提取性能。将Lorentz函数引入到RBM中,作为RBM的... 受限玻尔兹曼机(Restricted Boltzmann Machine,RBM)是一种有效的特征提取算法,受视觉皮层稀疏表示的启发,人们试图将稀疏这一概念引入到RBM中,以期学习到原始数据的稀疏表示,提高其特征提取性能。将Lorentz函数引入到RBM中,作为RBM的稀疏约束正则项,构建基于Lorentz函数的稀疏约束RBM模型,将其称之为LRBM模型。对该模型的特征提取性能进行了可视化评价,同时对稀疏度和分类率进行了实验分析;最后将多个LRBM叠加,构造基于LRBM的深度置信网模型并分析该深度网络的性能。实验表明,LRBM模型有效地提取了数据集中的特征信息,在分类效果上较RBM平均提高了2%左右,增强了目标分类的可靠性。 展开更多
关键词 受限玻尔兹曼机(rbm) 稀疏表示 特征提取 Lrbm模型 目标分类
在线阅读 下载PDF
互信息与RBM特征提取的股票指数预测模型 被引量:2
12
作者 柴岩 段大锴 《辽宁工程技术大学学报(自然科学版)》 CAS 北大核心 2019年第5期480-485,共6页
为给市场参与者和管理者提供有效判断股票市场的状态及未来的变化趋势的决策依据,以人工智能的非线性模型为基础,基于支持向量机理论,借助差分进化算法对其参数寻优,构建基于互信息与RBM特征提取的股票指数预测模型,拓展信息挖掘的范围... 为给市场参与者和管理者提供有效判断股票市场的状态及未来的变化趋势的决策依据,以人工智能的非线性模型为基础,基于支持向量机理论,借助差分进化算法对其参数寻优,构建基于互信息与RBM特征提取的股票指数预测模型,拓展信息挖掘的范围,将技术指标和周边市场信息以互信息加权的方式同时纳入运算;基于RBM无监督学习方式,与支持向量机深度结合,提取数据中隐含的深层次特征.通过恒生指数的实例验证结果表明所构建模型的有效性,研究结论为投资者行情分析及决策提供参考建议. 展开更多
关键词 支持向量机 差分进化算法 受限玻尔兹曼机 互信息 股票预测
在线阅读 下载PDF
一种基于多层RBM网络和SVM的行人检测方法研究 被引量:5
13
作者 王银 王立德 +2 位作者 邱霁 申萍 杜欣 《铁道学报》 EI CAS CSCD 北大核心 2018年第3期95-100,共6页
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)的深度学习网络进行行人特征提取和分类,多层玻尔兹曼机无监督的训练网络参... 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)的深度学习网络进行行人特征提取和分类,多层玻尔兹曼机无监督的训练网络参数得到行人特征并级联SVM构建特征分类器进行特征分类,在融合多种行人数据库的基础上扩充了行人数据样本,满足深度学习对于大数据量样本的要求。实验中对比了不同层数网络对于模型性能的影响以及与传统人工特征相比在复杂场景下的行人检测效果,验证了深度学习对于行人特征提取的有效性。 展开更多
关键词 行人检测 玻尔兹曼机 支持向量机 无监督训练 深度学习
在线阅读 下载PDF
基于CRBM算法的时间序列预测模型研究 被引量:9
14
作者 周晓莉 张丰 +2 位作者 杜震洪 曹敏杰 刘仁义 《浙江大学学报(理学版)》 CAS CSCD 北大核心 2016年第4期442-451,共10页
针对受限玻尔兹曼机(restricted Boltzmann machines,RBM)算法对时序数据预测存在抽取抽象特征向量能力较差和梯度下降能力有限的问题,基于CRBM(conditional restricted Boltzmann machines)算法以及信念网络(deep belief network,DBN)... 针对受限玻尔兹曼机(restricted Boltzmann machines,RBM)算法对时序数据预测存在抽取抽象特征向量能力较差和梯度下降能力有限的问题,基于CRBM(conditional restricted Boltzmann machines)算法以及信念网络(deep belief network,DBN)模型,构建了一种非线性的CRBM-DBN深度学习模型,并采用高斯分布处理输入特征值和对比散度抽样,用于预测时序数据.实验以浙江省近岸海域赤潮时序数据作为输入特征值,讨论该模型的深度及参数选取,并与经典的深度学习模型RBM、DAE和浅层学习中的BP神经网络进行对比,实验验证CRBM对于赤潮时序数据的预测拟合度要明显优于其他3种模型,该模型可有效用于赤潮类时序数据的趋势性预测. 展开更多
关键词 受限玻尔兹曼机 Crbm深度建模 深度信念网络模型 高斯分布
在线阅读 下载PDF
一种基于修正动量的RBM算法 被引量:7
15
作者 沈卉卉 刘国武 +2 位作者 付丽华 刘智慧 李宏伟 《电子学报》 EI CAS CSCD 北大核心 2019年第9期1957-1964,共8页
受限玻尔兹曼机(Restricted Boltzmann Machine,RBM)是一种随机网络、概率图模型,它是一种比较有效的的无监督学习模型.针对RBM梯度近似的一种计算方法对动量加速不敏感,以及识别效果不理想等问题,本文提出一种基于修正动量的RBM算法.... 受限玻尔兹曼机(Restricted Boltzmann Machine,RBM)是一种随机网络、概率图模型,它是一种比较有效的的无监督学习模型.针对RBM梯度近似的一种计算方法对动量加速不敏感,以及识别效果不理想等问题,本文提出一种基于修正动量的RBM算法.该算法结合RBM梯度近似方法,通过修改隐单元偏置参数的更新方式,避免RBM模型中隐单元取值采用概率值时导致模型识别效果不理想、动量加速有限等问题.同时,在RBM预训练阶段采用快速上升的动量方式,以加速网络收敛;在微调阶段引入缓慢下降的动量项,以避免陷入局部最优点并提高识别效果.本文算法通过在MNIST手写数字体,Extended Yale B和CMU-PIE人脸数据库上的数值实验结果表明,提出的算法能够有效地提高计算效率和提高网络泛化能力.该算法不仅对RBM的应用领域扩展具有十分积极的实际意义,且为深度学习的应用方法提供一种新的研究思路和借鉴. 展开更多
关键词 深度学习 无监督学习 受限玻尔兹曼机 梯度近似算法 GIBBS采样 动量加速 泛化能力
在线阅读 下载PDF
基于改进对比散度的GRBM语音识别 被引量:4
16
作者 赵彩光 张树群 雷兆宜 《计算机工程》 CAS CSCD 北大核心 2015年第5期213-218,共6页
对比散度作为训练受限波尔兹曼机模型的主流技术之一,在实验训练中具有较好的测试效果。通过结合指数平均数指标算法和并行回火的思想,提出一种改进对比散度的训练算法,包括模型参数的更新和样本数据的采样,并将改进后的训练算法应用于... 对比散度作为训练受限波尔兹曼机模型的主流技术之一,在实验训练中具有较好的测试效果。通过结合指数平均数指标算法和并行回火的思想,提出一种改进对比散度的训练算法,包括模型参数的更新和样本数据的采样,并将改进后的训练算法应用于高斯伯努利受限玻尔兹曼机(GRBM)中训练语音识别模型参数。在TI-Digits数字语音训练和数字测试数据库上的实验结果表明,采用改进的对比散度训练的GRBM明显优于传统的模型训练算法,语音识别率能够达到80%左右,最高提升7%左右,而且应用改进算法训练的其他GRBM对比模型的语音识别率也都有所提高,具有较好的识别性能。 展开更多
关键词 对比散度 高斯伯努利受限玻尔兹曼机 受限玻尔兹曼机 指数平均数指标 并行回火 语音识别 深度神经网络
在线阅读 下载PDF
一种基于特定频段信息熵和RBM的健康因子构建方法 被引量:2
17
作者 张钢 田福庆 +1 位作者 佘博 梁伟阁 《振动与冲击》 EI CSCD 北大核心 2020年第6期147-153,197,共8页
针对传统物理健康因子存在单调性差、对早期故障不敏感等问题,提出一种基于特定频段信息熵和受限玻尔兹曼机(SEI-RBM)的虚拟健康因子构建模型。该模型由物理健康因子构建层和特征融合层两部分组成:在物理健康因子构建层中,提出一种基于... 针对传统物理健康因子存在单调性差、对早期故障不敏感等问题,提出一种基于特定频段信息熵和受限玻尔兹曼机(SEI-RBM)的虚拟健康因子构建模型。该模型由物理健康因子构建层和特征融合层两部分组成:在物理健康因子构建层中,提出一种基于特定频段信息熵的物理健康因子构建方法;特征融合层中,利用单调性准则选取部分物理健康因子组成特征集,利用受限玻尔兹曼机(RBM)对健康因子特征集进行融合,得到虚拟健康因子。实验结果表明:利用该模型构建的虚拟健康因子能够有效提高滚动轴承性能退化曲线的单调性,有助于提高剩余寿命预测的精确度。 展开更多
关键词 健康因子 信息熵 受限玻尔兹曼机(rbm) 性能退化评估 滚动轴承
在线阅读 下载PDF
基于实值RBM的深度生成网络研究 被引量:4
18
作者 张健 丁世飞 +1 位作者 丁玲 张成龙 《软件学报》 EI CSCD 北大核心 2021年第12期3802-3813,共12页
受限玻尔兹曼机(restricted Boltzmann machine,简称RBM)是一种概率无向图,传统的RBM模型假设隐藏层单元是二值的,二值单元的优势在于计算过程和采样过程相对简单,然而二值化会对基于隐藏层单元的特征提取和数据重构过程带来信息损失.因... 受限玻尔兹曼机(restricted Boltzmann machine,简称RBM)是一种概率无向图,传统的RBM模型假设隐藏层单元是二值的,二值单元的优势在于计算过程和采样过程相对简单,然而二值化会对基于隐藏层单元的特征提取和数据重构过程带来信息损失.因此,将RBM的可见层单元和隐藏层单元实值化并保持模型训练的有效性,是目前RBM理论研究的重点问题.为了解决这个问题,将二值单元拓展为实值单元,利用实值单元建模数据并提取特征.具体而言,在可见层单元和隐藏层单元之间增加辅助单元,然后将图正则化项引入到能量函数中,基于二值辅助单元和图正则化项,流形上的数据有更高的概率被映射为参数化的截断高斯分布;同时,远离流形的数据有更高的概率被映射为高斯噪声.由此,模型的隐层单元可以被表示为参数化截断高斯分布或高斯噪声的采样实值.该模型称为基于辅助单元的受限玻尔兹曼机(restricted Boltzmann machine with auxiliary units,简称ARBM).在理论上分析了模型的有效性,然后构建了相应的深度模型,并通过实验验证模型在图像重构任务和图像生成任务中的有效性. 展开更多
关键词 受限玻尔兹曼机 神经网络 概率图模型 深度学习
在线阅读 下载PDF
融合生成模型和判别模型的双层RBM运动捕获数据语义识别算法 被引量:2
19
作者 周兵 彭淑娟 柳欣 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2017年第4期689-698,共10页
对人体运动捕获数据底层特征和高层语义之间常常存在语义鸿沟的问题,结合深度学习思想,提出一种融合受限玻尔兹曼机生成模型和判别模型的运动捕获数据语义识别算法.该算法采用双层受限玻尔兹曼机,分别对运动捕获数据进行判别性特征提取... 对人体运动捕获数据底层特征和高层语义之间常常存在语义鸿沟的问题,结合深度学习思想,提出一种融合受限玻尔兹曼机生成模型和判别模型的运动捕获数据语义识别算法.该算法采用双层受限玻尔兹曼机,分别对运动捕获数据进行判别性特征提取(特征提取层)和风格识别(语义判别层),首先考虑到自回归模型对时序信息具有出色的表达能力,构建一种基于单通道三元因子交互的条件限制玻尔兹曼机生成模型,用于提取运动捕捉数据的时空特征信息;然后将提取出的特征与对应的风格标签相耦合,作为语义判别层中受限玻尔兹曼机判别模型的当前帧数据层输入,进行单帧风格识别的训练;最后在获得各帧参数的基础上,在模型顶部加入投票空间实现对运动捕捉序列的风格语义的有效识别.实验结果表明,文中算法具有良好的鲁棒性和可扩展性,能够满足多样化运动序列识别的需求,便于数据的有效重用. 展开更多
关键词 动作捕捉 时空特征 深度学习 受限玻尔兹曼机 判别模型
在线阅读 下载PDF
基于RBM和SVM的风电机组叶片开裂故障预测 被引量:26
20
作者 张鑫 徐遵义 +1 位作者 何慧茹 王飞 《电力系统保护与控制》 EI CSCD 北大核心 2020年第15期134-140,共7页
针对风电机组SCADA监测数据的非线性、高冗余等特点,提出一种基于受限玻尔兹曼机(Restricted Boltzmann Machine,RBM)和支持向量机(Support VectorMachine,SVM)的风电机组叶片开裂故障预测方法。利用RBM优异的特征学习能力,将其作为特... 针对风电机组SCADA监测数据的非线性、高冗余等特点,提出一种基于受限玻尔兹曼机(Restricted Boltzmann Machine,RBM)和支持向量机(Support VectorMachine,SVM)的风电机组叶片开裂故障预测方法。利用RBM优异的特征学习能力,将其作为特征提取器来获得风电机组SCADA数据中表达能力更强的数据特征。将RBM的输出作为SVM的输入,构建RBM+SVM组合预测模型。利用训练集、验证集进行预测模型构建和参数微调。为验证提出模型的有效性,将其预测结果与RBM+Logistic回归、SVM和Logistic回归的预测结果进行对比。实验表明,RBM+SVM的预测准确率为93.08%,与三组对比模型相比具有明显的优势。研究结果可为实际风电机组叶片开裂故障预测提供重要参考。 展开更多
关键词 风电机组 叶片开裂故障 SCADA数据 受限玻尔兹曼机 支持向量机
在线阅读 下载PDF
上一页 1 2 9 下一页 到第
使用帮助 返回顶部