针对深度信念网(Deep　belief　network,DBN)预训练耗时长的问题,提出了一种基于自适应学习率的DBN(Adaptive　learning　rate　DBN,ALRDBN).ALRDBN将自适应学习率引入到对比差度(Contrastive　divergence,CD)算法中,通过自动调整学习步长来提高CD算法的收敛速度.然后设计基于自适应学习率的权值训练方法,通过网络性能分析给出学习率变化系数的范围.最后,通过一系列的实验对所设计的ALRDBN进行测试,仿真实验结果表明,ALRDBN的收敛速度得到了提高且预测精度也有所改善.