科研之友
微信
新浪微博
Facebook
分享链接
摘要
近年来深度学习理论再度中兴,在机器学习视觉识别和听觉识别领域应用日益广泛。玻尔兹曼机是比较典型的深度学习神经网络,其网络权值的训练算法有多种,比较经典的如对比离差(CD)算法。目前的算法无法精确取得网络热平衡状态的期望值,只能计算近似梯度值,同时算法运算量大、运行时间长。对此,提出了一种RBM权值计算的方法。首先将RBM等效成Hopfield网络,然后利用DHNN权值设计方法设计权值矩阵,最后将RBM权值求解问题转化为求DHNN权值矩阵特征值和特征向量问题,通过实例说明计算过程并给予数据反向验证该算法的正确性。
-
单位常州纺织服装职业技术学院
