【技术实现步骤摘要】
建立DA-RBM分类器模型的方法
本专利技术涉及深度学习识别领域，具体而言，涉及一种建立DA-RBM分类器模型的方法。
技术介绍
字符识别信息一般分为两种，一种是对于文字信息的识别，主要是不同国家或不同民族的文字等印刷品的识别，例如报刊信息，手写文字等信息。另一种是数据信息的识别，在数字信息识别领域有很重要的应用，如企业报表数据、银行报表数据、邮政编码数据等一系列的数据。在这一系列的数字信息中，都需要耗费很大的人力物力去监管处理这些数据，尤其是金融业日益发展的今天，处理的数据量也越来越大，如果仅仅使用人工去处理，则会出现效率低下，并且错误率比较大。如果能自动化的处理这些信息无疑是非常便利的，这不仅仅可以降低出粗概率也可以节约大量的时间。如果要进行手写数字的识别，则需要对这些数据进行分类。选择合适的识别算法对于提高手写数字的识别率有很重大的影响。因此，如果能够处理好手写数字字体的识别的技术对于金融领域以及其他和数据打交道的领域都有很大的益处。并且在当前社会来说，一切工作都要求智能化，通过手写数字识别技术，可以简化录入数据、校检数据等工作的流程及提高工作效率。随着计算...
【技术保护点】
1.一种建立DA‑RBM分类器模型的方法，其特征在于，所述方法包括如下步骤：S110、获取源域数据Xs、与源域数据Xs对应的标签Ys、目标域数据XT以及标签YT；S120、初始化RBM模型参数，将数据Xs、XT输入到RBM网络中，求出一阶特征；S130、将所述一阶特征作为下一阶网络的输入，进行RBM训练；S140、将RBM的隐层输出Hs、HT输入到softmax回归层进行分类；S150、在RBM隐层输出上使用MMD进行源域数据和目标域数据分布的约束；S160、在RBM模型的顶层分类层中使用MMD进行预测结果的约束；S170、构建模型的总代价函数J(θ)，通过优化所述总代价函...
【技术特征摘要】
1.一种建立DA-RBM分类器模型的方法，其特征在于，所述方法包括如下步骤：S110、获取源域数据Xs、与源域数据Xs对应的标签Ys、目标域数据XT以及标签YT；S120、初始化RBM模型参数，将数据Xs、XT输入到RBM网络中，求出一阶特征；S130、将所述一阶特征作为下一阶网络的输入，进行RBM训练；S140、将RBM的隐层输出Hs、HT输入到softmax回归层进行分类；S150、在RBM隐层输出上使用MMD进行源域数据和目标域数据分布的约束；S160、在RBM模型的顶层分类层中使用MMD进行预测结果的约束；S170、构建模型的总代价函数J(θ)，通过优化所述总代价函数来优化分类器模型的参数。2.根据权利要求1所述的建立DA-RBM分类器模型的方法，其特征在于，所述步骤S130中，采用Gibbs采样和对比散度算法进行RBM训练。3.根据权利要求2所述的建立DA-RBM分类器模型的方法，其特征在于，所述步骤S130还包括，对于源域数据和目标域数据设置隐层单元数为m,学习率为最大训练周期为T，RBM网络的参数设置分别为连接权重设置为W，将层偏置设置为b，隐层偏置设置为c；初始化RBM网络，然后对于源域数据所有的隐层节点计算其激活概率，激活概率P(hs＝1|vs)其计算公式如下:P(hsj＝1|vs)＝σ(c+∑iv1iwij)根据隐层节点的条件概率使用Gibbs采样，求得隐层节点的输出通过如下形式求解:...
【专利技术属性】
技术研发人员：赵子恒，赵煜辉，刘赣，单鹏，
申请(专利权)人：东北大学秦皇岛分校，
类型：发明
国别省市：河北,13
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。