关键词：自回归密度估计;;正则化;;波利亚科夫平均;;图片分类
摘 要：为进一步提升神经自回归密度估计算法拟合联合概率分布能力,提高分类准确率,提出了一种基于L1范数参数正则化的神经自回归密度估计算法,并在L1正则化的基础上加入波利亚科夫平均(Polyak averaging)参数更新思想.对网络进行稀疏化与连接权重的稳定更新,提高分类的准确率.通过调节超参数,选取UCI数据集对改进算法的概率分布拟合能力进行测试,结果显示拟合能力得到提高;对图片数据集进行分类准确率测试,数据集LabelMe分类准确率从83.43%提升到83.85%,数据集UIUC-Sports分类准确率从77.29%提升到78.12%,表明改进算法有效.
内 容：原文可通过湖北省科技信息共享服务平台（http://www.hbstl.org.cn)获取