深度學習神經網路方法獲改進

深度學習神經網路方法獲改進

創新連線·俄羅斯

俄羅斯國家核研究大學莫斯科物理工程學院智能控制系統研究所提出了訓練受限玻爾茲曼機(一種神經網路)的新方法,可以優化數據的語義編碼、可視化和識別過程。研究成果發表在《光存儲與神經網路》雜誌上。

目前,對不同架構深度神經網路的研究日益普及,包括微軟和谷歌在內的一些高科技公司都使用深度神經網路來設計各種智能系統。隨著深度神經網路的出現,深度學習這個術語也開始流行。如果利用受限玻爾茲曼機對神經網路各層進行學習,可以有效地對多層神經網路進行預訓練,然後通過誤差反向傳播法進行再學習。這些網路被稱為深信度網路(Deep Belief Networks)。

研究所教授弗拉基米爾·戈洛夫科對深度機器學習存在的問題和基本模型進行了分析,提出了受限玻爾茲曼機學習的新方法。新的深度學習法可能對神經網路的搜索引擎非常有益,能高速搜索相關圖像。其科研數據的使用價值更是難以估量,已經應用在不同領域,包括計算機視覺、語音識別和生物信息學。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！