基于DHNN网络的玻尔兹曼机权值计算研究

• 作者: 张波
• 来源期刊: 电脑与电信
• 关键词: 玻尔兹曼机 Hopfield网络 神经元 权值矩阵
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 基金项目
• 页码范围: 53-57
• 页数: 5页
• 分类号: TP391.3
• 语种: 中文

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.