资料下载
×
基于改进和声搜索算法的深度置信网络模型
消耗积分:0 |
格式:rar |
大小:2.06 MB |
2021-05-11
分享资料个
针对深度置信网络（DBN）权值随机初始化容易使网络陷人局部最优的问题，引人改进的和声搜索（IS）算法，提出基于ⅢS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ⅢHS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模型在髙校人才评价中的应用结果表明，与DBN、SⅥM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%。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
