深度學習神經(jīng)網(wǎng)絡方法獲改進

創(chuàng)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(tǒng)研究所提出了訓練受限玻爾茲曼機(一種神經(jīng)網(wǎng)絡)的新方法，可以優(yōu)化數(shù)據(jù)的語義編碼、可視化和識別過程。研究成果發(fā)表在《光存儲與神經(jīng)網(wǎng)絡》雜志上。

目前，對不同架構(gòu)深度神經(jīng)網(wǎng)絡的研究日益普及，包括微軟和谷歌在內(nèi)的一些高科技公司都使用深度神經(jīng)網(wǎng)絡來設(shè)計各種智能系統(tǒng)。隨著深度神經(jīng)網(wǎng)絡的出現(xiàn)，深度學習這個術(shù)語也開始流行。如果利用受限玻爾茲曼機對神經(jīng)網(wǎng)絡各層進行學習，可以有效地對多層神經(jīng)網(wǎng)絡進行預訓練，然后通過誤差反向傳播法進行再學習。這些網(wǎng)絡被稱為深信度網(wǎng)絡(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(jīng)網(wǎng)絡的搜索引擎非常有益，能高速搜索相關(guān)圖像。其科研數(shù)據(jù)的使用價值更是難以估量，已經(jīng)應用在不同領(lǐng)域，包括計算機視覺、語音識別和生物信息學。