深度置信網路，deep belief network，大數據新詞。
2020年7月，大數據戰略重點實驗室全國科學技術名詞審定委員會研究基地收集審定的第一批108條大數據新詞，報全國科學技術名詞審定委員會批准，準予向社會發布試用。
基本介紹
- 中文名：深度置信網路
- 外文名：deep belief network
深度置信網路，deep belief network，大數據新詞。
2020年7月，大數據戰略重點實驗室全國科學技術名詞審定委員會研究基地收集審定的第一批108條大數據新詞，報全國科學技術名詞審定委員會批准，準予向社會發布試用。
深度置信網路，deep belief network，大數據新詞。2020年7月，大數據戰略重點實驗室全國科學技術名詞審定委員會研究基地收集審定的第一批108條大數據新詞，報全國科學技術名詞審定委員會批准，準予向社會發布...
本書從深度置信網路的概念、研究內容和套用出發，提出了一系列基於深度置信網路的分類方法，使用半監督學習和監督學習方法來提升分類性能。另外，將深度學習方法套用到手寫中文識別中，提出了基於深層架構的手寫識別方法，有效地提升了手寫識別正確率。圖書目錄 第1章緒論1 1.1引言1 1.2機器學習方法2 1.2.1監督學習...
（1）基於卷積運算的神經網路系統，即卷積神經網路（CNN）。（2）基於多層神經元的自編碼神經網路，包括自編碼（Auto encoder）以及近年來受到廣泛關注的稀疏編碼兩類（Sparse Coding）。（3）以多層自編碼神經網路的方式進行預訓練，進而結合鑑別信息進一步最佳化神經網路權值的深度置信網路（DBN）。通過多層處理，逐漸將...
具體展開以下研究：（1）構建時空受限玻爾茲曼機(ST-RBM)作為深度置信網路(DBN)的結構單元；（2）基於逐層初始化思想開發學習算法對DBN參數進行估計；（3）使用正則化和非參數貝葉斯推斷確定深度網路規模；（4）構建時空深度玻爾茲曼機(ST-DBM)網路融合多被試的腦電信號；（5）基於變分貝葉斯和馬爾科夫鏈-蒙特卡洛方法...
《深度學習、最佳化與識別》是2017年清華大學出版社出版的圖書，作者是焦李成、趙進、楊淑媛、劉芳。內容簡介 深度神經網路是近年來受到廣泛關注的研究方向，它已成為人工智慧2.0的主要組成部分。本書系統地論述了深度神經網路基本理論、算法及套用。全書共十六章，分為兩個部分；第一部分（第一章到第十章）系統論述了...
上卷包括兩個部分：第一部分是基礎算法，包括機器學習基礎算法、早期神經網路算法、深度學習的正則化方法和深度學習的最佳化方法；第二部分是判別式模型，包括卷積神經網路（CNN）、循環神經網路（RNN）、長短期記憶模型（LSTM）、注意力機制和記憶網路。下卷包括三個部分：第三部分是生成式模型，包括深度置信網路/深度...
在此基礎上，本書對典型的深度學習算法（如卷積神經網路、圖卷積神經網路、循環神經網路、遞歸神經網路、深度置信網路、生成對抗網路、深度遷移學習等）進行了深入介紹，通過嚴密的理論推導、各種新型算法的比較，並配合豐富生動的案例講解，來增強讀者對深度學習算法的基本原理、開發方法、套用部署等的全面掌握。本書既...
諸多理論和實踐成果表明，以深度神經網路為代表的“深度結構”是解決該問題的重要工具之一。本書詳細論述了採用深度結構的動機、原理和理論依據，討論了訓練深度神經網路的難點，繼而詳盡的介紹了自動編碼器、受限玻爾茲曼機以及深度置信網路的概念和理論，並進行了理論分析。本書是深入理解深度學習的動機和原理的經典之作...
上卷包括兩個部分：第一部分是基礎算法，包括機器學習基礎算法、早期神經網路算法、深度學習的正則化方法和深度學習的最佳化方法；第二部分是判別式模型，包括卷積神經網路（CNN）、循環神經網路（RNN）、長短期記憶模型（LSTM）、注意力機制和記憶網路。下卷包括三個部分：第三部分是生成式模型，包括深度置信網路/深度...
7.3對深度學習的質疑 7.4RBM套用 7.4.1肝癌分類的RBM 7.4.2麻醉鎮定作用預測的RBM 7.5RBM的R實現 7.6學習指南 第8章深度置信網路DBN 8.1DBN原理 8.2套用案例 8.3DBN的R實現 8.4學習指南 第9章MXNetR 9.1MXNet技術特性 9.2MXNetR安裝 9.2.1安裝MXNet基本需求 9.2.2MXNet雲設定 9.2.3MXNet...
在智慧型診斷與預測算法方面：提出了基於卷積神經網路(CNN)的故障時頻圖像特徵提取方法，實現對關鍵部件微弱故障的特徵增強；提出了基於稀疏自編碼網路(SAE)和深度置信網路(DBN)的多源感測器數據的融合診斷方法，實現對多源異構信息的一致性融合表示；針對流形特徵提取研究中碰到的問題，提出一種同時考慮全局樣本與局部樣本...
5.2 深度置信網路預訓練 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73 5.3 降噪自動編碼器預訓練 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76 5.4 鑑別性預訓練 . . . . . . . . . . . . . . . ....
4.4.3 雙向循環神經網路... 95 4.4.4 深度循環神經網路... 96 4.4.5 長短時記憶網路... 96 4.4.6 門控循環單元網路... 98 4.5 深度置信網路 ... 99 4.5.1 RBM 原理... 99 4.5.
8. 1. 3 深度學習的軟體工具及平台 180 8. 2 受限玻爾茲曼機和深度置信網 180 8. 2. 1 受限玻爾茲曼機的基本結構 181 8. 2. 2 受限玻爾茲曼機的能量模型和 似然函式 181 8. 2. 3 最優參數的梯度計算 182 8. 2. 4 基於對比散度的快速算法 184 8. 2. 5 深度置信網路 185 8. 3 卷積神經...
二、 深度學習/5 三、 紋身圖像/12 四、 紋身圖像識別與檢測/22 第二章 紋身圖像處理理論基礎/27 一、 圖像底層特徵/29 二、 詞包模型/36 三、 空間金字塔概述/37 四、 深度置信網路概述/38 五、 卷積神經網路/42 第三章 深度學習算法在紋身圖像檢測中的比較研究/47 一、 深度學習算法/49 二、 對比...
第4章腦啟發的深度神經網路 4．1神經網路的發展歷史 4．2自編碼器 4．2．1一般自編碼器 4．2．2稀疏自編碼器 4．2．3變分自編碼器 4．2．4圖自編碼器 4．2．5遙感領域中的套用 4．3深度生成網路 4．3．1貝葉斯網路 4．3．2深度置信網路 4．3．3卷積深度置信網路 4．3．4判別深度置信網路 4．3...
第5章深度學習 5．1深度學習概述 5．1．1深度學習定義 5．1．2深度學習特點 5．1．3深度學習平台 5．2自編碼器 5．2．1稀疏自編碼器 5．2．2多層自編碼器表示 5．2．3各類自編碼器介紹 5．3深度神經網路 5．3．1多層神經網路近似定理 5．3．2深度置信網路 5．3．3深層玻爾茲曼機 5．3．4深度神經...
第4章 基於深度學習的機械裝備智慧型故障診斷 77 4.1 深度置信網路智慧型故障診斷 78 4.1.1 受限玻爾茲曼機基本原理 78 4.1.2 深度置信網路智慧型診斷模型 80 4.1.3 電動機滾動軸承智慧型故障診斷 82 4.2 堆疊自編碼機智慧型故障診斷 84 4.2.1 自編碼機基本原理 84 4.2.2 堆疊自編碼機智慧型診斷模型 86 4.2....
第9章 特徵選擇用於深度學習 146 9.1 深度置信網路基礎模型——受限玻爾茲曼機 146 9.1.1 受限玻爾茲曼機模型 147 9.1.2 高斯-伯努利受限玻爾茲曼機 148 9.1.3 受限玻爾茲曼機的訓練 148 9.2 深度置信網路及其特徵學習 150 9.2.1 深度置信網路的提出 150 9.2.2 深度置信網路的訓練 150 9...
《深層結構學習方法研究及其在對象識別中的套用》是依託北京工業大學，由劉波擔任項目負責人的青年科學基金項目。項目摘要 深層結構是指由多個層次非線性操作組成的學習模型。近年來，深層結構學習的研究取得了突破性進展，提出了深層置信網路和自動編碼器棧等重要的深層結構。這些深層結構學習的核心思想是進行非監督分層預...
書中全面涵蓋各類算法，如神經網路、多層感知器、徑向基函式、支持向量機、進化學習、強化學習、決策樹學習、無監督學習、圖模型等。第2版進行了全面修訂和更新，以反映機器學習的新發展，新增了兩個章節來討論深度置信網路和高斯過程，此外，還添加了隨機森林、考慮精度的方法、MLP的共軛梯度最佳化、卡爾曼濾波和粒子濾波...
3.4基於深度學習的狀態特徵提取0 3.4.1深度學習簡介0 3.4.2深度置信網路0 3.4.3堆疊自動編碼器0 3.4.4卷積神經網路0 3.5基於深度遷移學習的狀態特徵遷移0 3.5.1遷移學習簡介0 3.5.2DNN的可遷移性0 3.5.3深度遷移學習中的finetuning方法0 3.5.4深度遷移學習在民航發動機氣路異常檢測中的套用0...
第4章 基於深度學習的信號特徵學習 82 4.1 引言 82 4.2 特徵學習技術 83 4.2.1 深度置信網路 83 4.2.2 卷積神經網路 86 4.2.3 一維卷積神經網路 87 4.2.4 堆疊降噪自編碼器 88 4.2.5 卷積自編碼器 90 4.3 基於特徵學習的故障診斷模型 92 4.3.1 基於多通道一維卷積神經網路的齒輪箱故障診斷...
11.1 深度學習介紹 299 11.1.1 深度學習的概念 299 11.1.2 深度學習的結構 299 11.1.3 從機器學習到深度學習 301 11.2 深度學習基本方法 302 11.2.1 自動編碼器 302 11.2.2 稀疏編碼 304 11.3 深度學習模型 305 11.3.1 深度置信網路 306 11.3.2 卷積神經網路 ...
5章 人工神經網路和深度學習65 5.1 引言65 5.2 神經網路基礎66 5.2.1 神經元模型66 5.2.2 淺層神經網路67 5.2.3 深度神經網路68 5.3 深度學習69 5.3.1 基本概念和形式69 5.3.2 深度網路的學習方法70 5.4 深度神經網路的典型結構71 5.4.1 深度置信網路71 5.4.2 自動編碼器與棧式自動編碼...
10.3 時空關聯深度學習點-面融合方法242 10.3.1 深度置信網路242 10.3.2 時空關聯因子提取244 10.3.3 時空關聯深度學習244 10.3.4 實驗結果與分析246 10.4 時空地理加權學習點-面融合方法249 10.4.1 模型結構250 10.4.2 時空加權方案251 10.4.3 權值最佳化求解251 10.4.4 模型參數選擇252 10.4....
實驗結果表明，所提的影像消除方法可以在保持線狀目標的同時去除陰影；深度卷積網路能有效用於線狀目標的顯著度計算；所提的基於分割的路徑投票算法，實現了對不同亮度、不同形狀的線狀目標的增強與提取；所提顏色共生描述子能有效描述顏色的搭配模式，取得比現有顏色描述運算元更高的分類精度；基於深度學習的特徵選擇方法...
主要採用基於可遷移學習理論和深度學習理論建立異質設備屬性與可信度之間的跨域關聯模型，從而可以在異構設備運行的任何時刻通過設備屬性直接估計其可信度(即信任冷啟動)；通過病毒動態分析技術和工業蜜罐技術獲取關聯模型訓練所需的行為樣本。 重要結果：建立了基於深度置信網路技術的信任冷啟動理論模型；在信任管理層面實現了...