Scifaro

中文

利用概率四叉树与深度信念网络学习稀疏特征表示

计算机视觉与模式识别 2015-09-14 v1

作者: Saikat Basu , Manohar Karki , Sangram Ganguly , Robert DiBiano , Supratik Mukhopadhyay , Ramakrishna Nemani

在 arXiv 上查看 ↗ PDF ↗

摘要

学习稀疏特征表示是解决无监督学习问题的有用工具。本文提出三个标记手写数字数据集，统称为n-MNIST。随后，我们提出一种用于手写数字分类的新框架，该框架利用概率四叉树与深度信念网络学习稀疏表示。在MNIST与n-MNIST数据集上，我们的框架展现出有前景的结果，并显著优于传统深度信念网络。

关键词

稀疏特征表示概率四叉树深度信念网络手写数字分类 MNIST数据集 n-MNIST数据集

引用

@article{arxiv.1509.03413,
  title  = {Learning Sparse Feature Representations using Probabilistic Quadtrees and Deep Belief Nets},
  author = {Saikat Basu and Manohar Karki and Sangram Ganguly and Robert DiBiano and Supratik Mukhopadhyay and Ramakrishna Nemani},
  journal= {arXiv preprint arXiv:1509.03413},
  year   = {2015}
}

备注

Published in the European Symposium on Artificial Neural Networks, ESANN 2015