深度信念網(wǎng)絡(luò)(DBN)等效模型研究及應(yīng)用.pdf

1、隨著信息技術(shù)的飛速發(fā)展，信息充滿人們的日常生活。而圖像在所有信息中占據(jù)最重要的地位，它包含的信息量大，而且易于被人們接受，相比于聲音和文字，圖像更加直接。因此，圖像處理具有現(xiàn)實的研究意義和廣泛的應(yīng)用前景。為了實現(xiàn)圖像智能識別的任務(wù)，采用深度學(xué)習(xí)技術(shù)為解決該問題提供了一個重要的方向。深度學(xué)習(xí)模仿人腦的視覺機制來學(xué)習(xí)樣本數(shù)據(jù)之間的內(nèi)在規(guī)律和表示層次，能夠深刻表達(dá)數(shù)據(jù)的本質(zhì)特征，是機器學(xué)習(xí)領(lǐng)域中一個備受關(guān)注的研究方向。深度信念網(wǎng)絡(luò)以研究某些對

2、象或過程的分類與描述為主要內(nèi)容，可以直接利用原始圖像進行識別測試，為原始圖像的特征提取和后續(xù)圖像的識別提供基礎(chǔ)模型，是一種重要的多層網(wǎng)絡(luò)結(jié)構(gòu)。本文在對深度信念網(wǎng)絡(luò)進行深入理論研究的基礎(chǔ)上，將其簡單應(yīng)用于故障指示器識別中。
　　本文從能量公式出發(fā)，推導(dǎo)了DBN的權(quán)值和偏置的表達(dá)式，建立了DBN的基本等效模型。基于此模型，從表達(dá)式的角度解釋了權(quán)值和偏置的意義、權(quán)值和偏置收斂的最終目標(biāo)；偏置與信號的能量的關(guān)系，與概率的關(guān)系。從模型的角度