一种新型随机二进制神经网络
二进制数据表示具有简洁高效的特点,随机噪声有助于系统摆脱局部极小.新型的随机神经网络模型采用随机加权联接,内部数据表示为随机二进制序列形式,实现十分高效.文中分别就前馈型网络和反馈型网络进行了深入的讨论,给出了前馈型网络的梯度下降学习算法,为反馈型网络设计了快速有效的模拟退火算法和渐进式Boltzmann学习算法.通过对PARITY问题的测试,发现了新模型的一些有趣特征,实验结果表明梯度下降学习效果显著.利用渐进式Boltzmann学习,反馈型网络被成功地用于带噪声人脸识别.
随机计算、随机二元神经网络、平稳分布、模拟退火、渐近式Boltzmann学习
28
TP183;TP391.41(自动化基础理论)
国家自然科学基金69805002;教育部优秀青年教师资助计划;浙江省自然科学基金
2004-03-19(万方平台首次上网日期,不代表论文的发表时间)
共9页
736-744