同时,为了避免采用sigmoid或tanh激活函数在深度网络中出现过饱和的问题,本文采用Re LU改进的深度玻尔兹曼机(RBM),使网络具备稀疏性,从而避免模型过拟合,加快收敛速度。在酵母菌PPIs数据集上,本文算法达到了92.27%的准确率,优于传统的方法。
基于52个网页-相关网页
本文要讲解的随机神经网络：模拟退火(Simulated Annealing)与玻尔兹曼机(Boltzmann Machine)就是通过一定的概率保证搜索陷入局部最优时能够具有一定的“爬山”能力。
基于48个网页-相关网页
受限玻尔兹曼机（Restricted Boltzmann Machine）是一种新型的机器学习工具,因为其强大的学习能力,受限玻尔兹曼机已经被广泛应用于各种机器学习问题。
基于20个网页-相关网页
主题主要有聚类，稀疏编码，局限玻尔兹曼机和深度信念网络。
Topics include clustering, sparse coding, autoencoders, restricted Boltzmann machines, and deep belief networks.
玻尔兹曼机可避免陷入局部极小的问题，最后对二种算法的性能和运行情况进行了分析。
Boltzmann machine can avoid the local solvability. The performance and running of the two algorithms are also analysed.
应用推荐