基于深度学习手写字符的特征抽取方法研究 (2017年)

当前对深度学习单层训练算法的研究工作较少,本文采用数据量、隐层节点和感受野大小,分析自动编码器和 K-means 算法在训练深度网络抽取特征上的表现。发现自动编码器对数据量,隐层节点敏感,且学习率与数据量和感受野呈负相关;数据量一定后,K-means 对数据量不敏感,且感受野大小的选取对该算法发挥性能至关重要。在实际应用中给自动编码器加入稀疏性控制是必要的。实验结果表明,本文的研究工作,对用自动编码器或 K-means训练深度网络有一定的参考借鉴意义。