深度置信网络的代价敏感多粒度三支决策模型研究

  • 打印
  • 收藏
收藏成功


打开文本图片集

摘 要:最优粒度选择是自编码网络构造多粒度特征的关键环节。针对自编码网络粒度选择方法不合理导致特征提取效果差以及错误分类成本和测试成本高的问题,提出一种基于小批量梯度下降(mini-batch gradient descent,MBGD)的粒度层选取策略。该方法通过改变粒度选择方式重新构建多粒度空间,设计一个新的基于深度置信网络(deep belief network,DBN)的代价敏感多粒度三支决策模型。(剩余14096字)

目录
monitor
客服机器人