یک ساختار یکپارچه برای اتوانکدر چندلایه به منظور آموزش ماشین یادگیری سریع عمیق

اخیرا تعداد زیادی الگوریتم بر پایه ی ماشین یادگیری سریع برای آموزش دادن ساختار های شبکه های عصبی عمیق معرفی شده اند .اتوانکدر مبتنی بر ماشین یادگیری سریع یکی از این الگوریتم هاست که برای ایجاد ساختار چندلایه و تعیین پارامترهای هر لایه از مدل معرفی شده است. در الگوریتم آموزش اتوانکدر مبتنی بر یادگیری سریع، وزنها در لایه اول به صورت تصادفی مقدار دهی می شوند که باعث ایجاد خطای بازسازی می شود. فرایند تکراری استفاده از این اتوانکدر ها منجر به پخش خطا درساختار عمیق شده و منجر به کاهش کارایی کل مدل خواهد شد. در این مقاله یک اتوانکدرچندلایه برای تعیین پارامترهای یک شبکه عصبی عمیق ارائه شده است. همچنین یک الگوریتم نوین برای آموزش این مدل معرفی می شود که از پخش خطا جلوگیری می کند. به منظور افزایش کارایی مدل به جای مقداردهی تصادفی پارامترهای اولین از یک اتوانکدر تکرار شونده بهره می بریم که در یک فرایند تکراری پارامترهای اولین لایه را به بهترین حالت تعیین می کند. برای طبقه بندی داده ها به کمک ویژگی های استخراج شده، از یک ماشین یادگیری سریع تک لایه استفاده شده است. آزمایش ها برای طبقه بندی داده ها نشان می دهد که روش پیشنهادی میانگین دقت روی همه ی مجموعه داده ها را به ترتیب به میزان ۴%، ۲۶%، ۱۷% و ۳۱% نسبت به روشهای موجود بهبود داده است. برای نشان دادن کارایی اتوانکدر چندلایه از این مدل برای بازسازی تصاویر استفاده شده است و نتایج دیداری نشان دهنده ی کارایی بهتر روش پیشنهادی در بازسازی تصاویر می باشد.

کلیدواژه ها:

ماشین یادگیری سریع ، طبقه بندی ، اتوانکدر ، بازسازی تصاویر