深度置信网络优化模型在人才评价中的应用

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％.

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

所属期刊栏目：46

分类号：TP393(计算技术、计算机技术)

资助基金：河北省人力资源和社会保障课题JRSHZ-2019-02014

在线出版日期：2020-04-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：80-87,102