基于改進的SAE和稀疏濾波算法的文本分類研究.pdf_第1頁
已閱讀1頁,還剩35頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、基于改進的SAE和稀疏濾波算法的文本分類研究TheStudyofTextClassificationBasedontheImprovedSAESparseFilteringAlgithm申請人:崔嘉樂學科專業(yè):應用數(shù)學研究方向:優(yōu)化理論、方法及應用學位類別:學術(shù)學位指導教師:裴志利教授論文提交日期:二○一七年六月分類號029ICS學校代碼10136學號201400113碩士學位論文摘要近年來,深度學習技術(shù)已成為人工智能領(lǐng)域的研究熱點,各

2、種深度模型廣泛應用于各個領(lǐng)域.深度神經(jīng)網(wǎng)絡模型是一個模擬人類大腦學習機制的過程,采用含有多個隱層的神經(jīng)網(wǎng)絡對圖像、文本、語音等數(shù)據(jù)進行特征學習,然后將學習到的特征與分類器進行結(jié)合從而進行分類識別等.論文以自編碼神經(jīng)網(wǎng)絡為研究對象,以文本分類為研究目的,主要從兩個方面提高網(wǎng)絡訓練速度及文本分類準確率,主要研究工作如下:首先,針對自編碼神經(jīng)網(wǎng)絡訓練過程中,各層神經(jīng)元之間的Sigmoid激活函數(shù)反向傳播梯度易消失的問題,在原有的SAE算法中引

3、用了一種新的激活函數(shù)ReLU,從而減少了計算量,提高了網(wǎng)絡的訓練速度;其次,針對自編碼神經(jīng)網(wǎng)絡學習算法在形成特征表達時需調(diào)節(jié)優(yōu)化大量參數(shù)使網(wǎng)絡訓練時間加長、BP算法易陷入局部最小的問題,將逐層貪婪初始化思想引入到稀疏濾波的學習算法中,提出了基于Layerwise思想的稀疏濾波特征學習算法.通過在Reuters21578文本分類標準測試集上的實驗驗證,表明在SAE算法中使用ReLU作為激活函數(shù)以及所提出的算法可以有效地提高網(wǎng)絡訓練速度,并

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論