论文部分内容阅读
研究多种改良的自编码神经网络(Autoencoder),如稀疏(Sparse)、噪声(Denoising)、权值对称(Tied Weight)。探究这些自编码神经网络的改良在图像特征表达中的原理。将方法应用到手写体数字的识别中,通过设置各种改良自编码神经网络的参数取值并且对比各种改良自编码神经网络的特征表达效果,证明改良自编神经网络的理论原理。实验证明稀疏和噪声对于自编码神经网络性能具有较大提升。