基于灰狼算法改进深度信念网络的分类预测,gwo-dbn分类预测

目录

背影
DBN神经网络的原理
DBN神经网络的定义
受限玻尔兹曼机(RBM)
灰狼算法原理
灰狼算法改进深度信念网络的分类预测
基本结构
主要参数
数据
MATALB代码
结果图
展望

背影

DBN是一种深度学习神经网络,拥有提取特征,非监督学习的能力,是一种非常好的分类算法,本文灰狼算法改进深度信念网络的分类预测

DBN神经网络的的原理

在这里插入图片描述

深度信念神经网络DBN的定义

深度信念网络,DBN,Deep Belief Nets,神经网络的一种。既可以用于非监督学习,类似于一个自编码机;也可以用于监督学习,作为分类器来使用。

从非监督学习来讲,其目的是尽可能地保留原始特征的特点,同时降低特征的维度。从监督学习来讲,其目的在于使得分类错误率尽可能地小。而不论是监督学习还是非监督学习,DBN的本质都是Feature Learning的过程,即如何得到更好的特征表达。

作为神经网络,神经元自然是其必不可少的组成部分。DBN由若干层神经元构成,组成元件是受限玻尔兹曼机(RBM)。

受限玻尔兹曼机(RBM)

RBM是一种神经感知器,由一个显

你可能感兴趣的:(DBN深度信念网络及改进,100种启发式智能算法及应用,算法,粒子群算法优化DBN分类,多分类算法,DBN分类)