深度学习神经网络方法获改进

　　深度学习神经网络方法获改进

　　创新连线·俄罗斯

　　俄罗斯国家核研究大学莫斯科物理工程学院智能控制系统研究所提出了训练受限玻尔兹曼机（一种神经网络）的新方法，可以优化数据的语义编码、可视化和识别过程。研究成果发表在《光存储与神经网络》杂志上。

　　目前，对不同架构深度神经网络的研究日益普及，包括微软和谷歌在内的一些高科技公司都使用深度神经网络来设计各种智能系统。随着深度神经网络的出现，深度学习这个术语也开始流行。如果利用受限玻尔兹曼机对神经网络各层进行学习，可以有效地对多层神经网络进行预训练，然后通过误差反向传播法进行再学习。这些网络被称为深信度网络（Deep Belief Networks）。

　　研究所教授弗拉基米尔·戈洛夫科对深度机器学习存在的问题和基本模型进行了分析，提出了受限玻尔兹曼机学习的新方法。新的深度学习法可能对神经网络的搜索引擎非常有益，能高速搜索相关图像。其科研数据的使用价值更是难以估量，已经应用在不同领域，包括计算机视觉、语音识别和生物信息学。