自编码器是深度学习中广泛使用的一种网络,许多深度网络都以其为基础构建特定的网络结构。对于传统自编码器及其变体,不同层单元之间的参数被限定为普通实数,这在某种程度限制了自编码器的能力,为了克服这种问题,文中以模糊理论为基础,通过将自编码器的参数设置为模糊数,构建了模糊自编码器模型,并引入了相应的学习算法。基于MINIST手写数字数据集的实验表明,模糊自编码器在表示能力和鲁棒性方面都要优于普通自编码器。
科研之友
微信
新浪微博
Facebook
分享链接
