一种改进的深度信念网络算法

摘要

为了找到更合适的网络激活函数,来进一步提高深度信念网络算法的非线性逼近能力和性能,本文提出了一种基于径向基函数的深度信念网络算法.该算法将径向基函数引入其中,作为其激活函数,同时利用对比分歧的方式对激活函数的重点变量(中心、宽度、权值)进行了优化和调整.然后,设计了人脸识别预测实验和洛伦兹序列预测实验来对本文算法进行验证,人脸识别预测实验使用了比较权威的户外脸部检测数据库LFW.实验结果表明,本文所提出的算法在性能、预测准确率方面优于传统方法,同时具备可行性.