深度置信网络优化模型在人才评价中的应用

• 作者: 张亚娟 李娜娜 胡坚剑 顾军华
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 深度置信网络 随机初始化 和声搜索算法 音调调整 人才评价
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 人工智能与模式识别
• 页码范围: 80-87,102
• 页数: 9页
• 分类号: TP393
• 字数: 6760字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0053625

摘要

针对深度置信网络(DBN)权值随机初始化容易使网络陷入局部最优的问题,引入改进的和声搜索(IHS)算法,提出基于IHS的DBN模型(IHS-DBN).在和声搜索算法的基础上,利用全局自适应的和声音调调整方式,提升算法收敛速度和后期局部搜索能力.将DBN重构误差函数作为IHS算法的优化目标函数,通过不断迭代优化解向量为DBN寻找一组较优的初始权值进行网络训练,并在MNIST数据集上验证IHS-DBN模型的有效性.IHS-DBN模型在高校人才评价中的应用结果表明,与DBN、SVM和BP神经网络评价模型相比,IHS-DBN模型的评价准确率分别提高3.6％、7.3％和16.4％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	顾军华	河北工业大学人工智能与数据科学学院	113	947	16.0	26.0
3	李娜娜	河北工业大学人工智能与数据科学学院	13	107	5.0	10.0
5	张亚娟	河北工业大学人工智能与数据科学学院	13	16	2.0	3.0
10	胡坚剑	河北工业大学人工智能与数据科学学院	1	0	0.0	0.0