-
题名增强碰撞体算法优化的自编码神经网络
被引量：2
- 1
-
-
作者
冯文
陈志国
傅毅
王凯宇
-
机构
江南大学物联网工程学院
-
出处
《小型微型计算机系统》
CSCD
北大核心
2019年第4期721-725,共5页
-
基金
国家自然科学基金项目(61502203)资助
江苏省自然科学基金项目(BK20150122)资助
江苏省高等学校自然科学基金项目资助
-
文摘
自编码神经网络是神经网络中常见的网络,自编码网络常用于数据降维,特征学习,数据去噪等.传统的自编码网络采用的BP策略,为了应对BP算法固有的一些不足,本文结合了增强碰撞体算法的优点,提出了一种增强碰撞体算法优化的自编码网络.将自编码的代价函数和softmax分类器的误差函数加权求和作为该算法的评价函数,利用增强碰撞体算法分别优化自编码网络和softmax分类器的参数.实验结果表明与其他算法和粒子群算法优化的自编码算法相比,该方法在邮件分类上取得了较好效果,与极限学习机优化的栈式自编码相比在UCI的一些公共数据库上取得了较好的分类效果.
-
关键词
自编码网络
神经网络
增强碰撞体优化算法
分类
-
Keywords
autoencoder network
neural network
enhanced colliding bodies optimization
classification
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
