简介:针对深度信念网络无法科学有效地确定网络模型深度和隐层神经元数目等问题,根据贪心算法思想,提出了一种动态构建深度信念网络模型的新方法.即从底层逐层构建深度信念网络的过程中,根据验证集错误分类率调整当前层神经元数目,使当前模型达到最优后,固定当前层神经数目,网络深度增加一层;继续调整下一层神经元数目,直至整个模型构建完成.最后,根据重构误差微调各层神经元数目.结果表明,与依据重构误差构建的深度信念模型相比,利用此方法构建的深度信念网络模型的分类准确率更高.
简介:传统的深度信念网络模型缺乏并行有效的算法来确定网络层数以及隐藏层神经元的数目,实验时大多依据经验来选取,这样做不仅使得模型训练困难,且范化能力差,影响实验结果.针对此问题,通过比较重构误差和验证集错误分类率的乘积(加权误差)大小来选取网络层数,网络层数确定后,再根据重构误差使用渐增法或二分法来选择合适的隐层神经元数目,以使整个模型达到最优.实验结果表明,用上述方法确定模型网络层数及隐藏层神经元数目,能有效提高模型分类或预测的精度.
简介:化感作用在外来植物入侵的过程中起着重要作用,是入侵植物与本地植物竞争的新式武器.本研究以入侵植物刺苋为研究对象,探究了刺苋水浸提液及刺苋潜在化感物质水溶对水稻种子萌发、幼苗生长和幼苗抗氧化系统的影响.结果表明,刺苋水浸提液对水稻种子萌发有显著抑制作用,潜在化感物质对水稻幼苗根的生长有明显抑制作用,其中,齐墩果酸和β-谷甾醇可能在造成水稻幼苗氧化胁迫过程中起着积极作用.
一种动态构建深度信念网络模型方法
一种加权误差最小化的深度信念网络优化技术
入侵植物刺苋对水稻化感效应及抗氧化系统的影响