avatar avatar 我的文献 知识堆叠降噪自编码器 作者 刘国梁; 余建波 单位 同济大学机械与能源工程学院 期刊 自动化学报 时间 关键词 深度学习; 堆叠降噪自编码器; 知识发现; 符号规则; 分类规则 基金 国家自然科学基金(51375290,71777173); 中央高校基本科研业务费项目; 上海科委创新科技行动计划(17511109204)资助项目
摘要
深度神经网络是具有复杂结构和多个非线性处理单元的模型,被广泛的应用于在计算机视觉,自然语言处理等领域得.但是,深度神经网络存在不可解释这一致命缺陷,即”黑箱问题”,这使得深度学习在各个领域的应用仍然存在巨大的障碍.本文提出了一种新的深度神经网络模型,知识堆叠降噪自编码器(Knowledge-based stacked denoising Autoencoder,KBSDAE)。尝试以一种逻辑语言的方式有效解释网络结构及内在运作机理,同时确保逻辑规则可以进行深度推导。进一步通过插入提取的规则到深度网络,使KBSDAE不仅能自适应地构建深度网络模型并具有可解释和可视化特性,而且有效地提高了模式识别性能.大量的试验结果表明,提取的规则不仅能够有效地表示深度网络,还能够初始化网络结构以提高KBSDAE的特征学习性能,模型可解释性与可视化,可应用性更强.
下载 浏览 cnki {{liketext}}
©2020 - iData {{ message }} 关闭