- 1
- 2
- 3
- 4
- 5
深度贝叶斯话题模型研究
资料介绍
泊松伽马置信网络（Poisson Gamma Belief Network，PGBN）是一种贝叶斯深度话题模型，能够通过多层非线性网络，提取出数据的多层特征信息，在文本和图像数据上有较好的分类性能，但关于PGBN模型的应用探析工作很少，因此对PGBN深度模型实用性的研究具有重要的意义，本文对网页文档实时处理应用进行研究。在PGBN模型提出之初，使用吉布斯推断方法求解参数，训练方式是批量学习（batch learning），我们组在PGBN模型的基础上提出了一种在线学习（online learning）方法，该方法使用随机梯度方法求解全局参数，吉布斯方法求解其余参数。该方法在模型训练时随机选取小数据集（minibatch）进行训练，收敛速度具有优势，但基于该训练方法的PGBN模型分类效果、特性以及实用性尚且不知，因此对基于在线学习方法的PGBN模型的研究具有重要的意义。本文以基于吉布斯推断方法的PGBN模型为基础，对基于在线学习方法的PGBN模型的分类效果和特性进行了研究，并通过编程实现对两种训练方法的PGBN模型进行应用探析。论文的主要内容如下：
1.为研究基于在线学习方法的PGBN模型在文本和图像数据上的分类性能及特性，首先对基于吉布斯方法的PGBN模型深入研究，并进行文本和图像数据分类实验仿真，得到分类效果对比基准；然后对基于在线学习方法的PGBN模型进行深入的研究，并进行相同模型参数设置的文本和图像数据分类实验仿真，最后对实验仿真结果进行分析和讨论。
2.利用三种不同的编程语言：C语言、MATLAB语言和Python语言对基于吉布斯方法的PGBN模型和基于在线学习方法的PGBN模型进行编程实现，其中C语言在执行效率上具有一定的优势，MATLAB具有很高的矩阵运算效率，Python具有很多功能强大并且简单的开源库，为模型的应用实现及扩展提供了很大的可能。在编程实现仿真实验中，对比和分析了两种不同训练方法的PGBN模型的时间和空间复杂度，并对使用Python语言实现网页文档实时处理应用的可行性进行了分析并讨论。
3.在基于在线学习方法的PGBN模型的基础上，对使用Python实现的网页文档实时处理应用进行研究与分析。在该应用中，使用爬虫技术进行网页...
部分文件列表
| 文件名 | 大小 |
| 深度贝叶斯话题模型研究.pdf | 4M |
全部评论(0)