对比散度相关论文
为了提高个性化推荐系统性能,提出了一种基于深度受限玻尔兹曼机的个性化推荐方法.首先通过提取推荐系统的用户和资源特征构建多层......
受限玻尔兹曼机是一种随机神经网络生成模型,广泛应用于特征降维、协同推荐等任务中。近年来,以受限玻尔兹曼机为核心结构单元的深......
针对数据稀疏性导致推荐算法准确度不高的难题,提出一种融合词频-逆向文件频率(Term frequency-inverse document frequency,TF-ID......
随着人们对深度学习的广泛关注和大量研究，径向基神经网络、玻尔兹曼机模型和卷积模型等大量的深度神经网络模型已被广泛应用。其中......
大脑是人类自身最神秘复杂的器官,至今人们没有解开大脑神秘的面纱。而脑电(EEG)信号是大脑与外界交流的“声音”,是人们探索大脑......
深度信念网络(DeepBeliefNetwork,DBN)是深度学习模型之一,是实现人工智能的重要模型。它是由多个受限玻尔兹曼机(RBM)堆加而成。......
为了给对比散度算法的进一步优化提供理论指导,尝试从理论上分析对比散度算法的收敛性。首先从仅含4个结点的玻尔兹曼机入手,利用......
针对受限玻尔兹曼机（RBM）在进行无监督训练时易出现特征同质化导致泛化能力较差的问题,设计了将类别条件引入RBM训练中,从而提出了基......
针对当前管网系统数据量大不利于传统模型方法诊断故障的问题,设计了1种基于深度置信网络的管网故障诊断算法。首先,对管网数据结......
对比散度作为训练受限波尔兹曼机模型的主流技术之一,在实验训练中具有较好的测试效果。通过结合指数平均数指标算法和并行回火的......
随着深度学习知识广泛的应用到生活中的各个领域,对于深度学习的研究显得尤为重要。近年来,有关深度学习的模型层出不穷,每一模型......
使用二阶牛顿方法训练玻尔兹曼机,通过分析和实验验证发现:与随机梯度下降优化方法相比,牛顿方法训练的速度更快,并且在样本较小时......
实体检测是自然语言处理的一个研究热点,是从无结构的文本中检测出命名实体。深度置信网络(Deep Belief Nets,DBN)的核心组件为受......
深度信念网络(DBN)作为一类非常重要的概率生成模型,在多个领域都有着广泛的用途.现有的深度信念网的训练分为两个阶段,首先是对受......
针对目前大部分情感分析技术需要人工标注建立情感词典提取情感特征的问题,提出一种基于对比散度-受限玻尔兹曼机(CD-RBM)深度学习......
受限波尔兹曼机(restricted Boltzmann machines,RBM)是一类具有两层结构、对称连接且无自反馈的随机神经网络模型,层间全连接,层......
