基于深度信念网络的改进分类方法
机器学习
2019-08-13 v2 机器学习
摘要
为了获得更好的分类效果，通常使用生成模型在训练分类器之前初始化模型并建模特征。通常这需要分别解决无监督学习和有监督学习问题。生成式受限玻尔兹曼机和深度信念网络被广泛用于无监督学习。我们开发了几种基于DBN的有监督模型，以改进这一两阶段策略。在模型开发中，修改损失函数以考虑相对于底层生成模型的期望、引入权重边界以及多层规划。所提出的模型有效地兼顾了无监督与有监督目标。计算研究证实我们的模型优于两阶段训练方法。
引用
@article{arxiv.1804.09812,
title = {Improved Classification Based on Deep Belief Networks},
author = {Jaehoon Koo and Diego Klabjan},
journal= {arXiv preprint arXiv:1804.09812},
year = {2019}
}