玻尔兹曼机相关论文
为了解决浅层学习网络对复杂函数的表达能力与泛化能力受到限制的问题,提升学前教育质量评估精度为目标,提出了基于深度学习网络的......
随着互联网中用户、商品、交易记录、社交信息等一系列数据的爆炸式增长,海量规模的信息资源充斥在网络中,容易产生"信息过载"现象......
目标识别是计算机视觉领域的一个十分重要的研究方向,是很多民用或军用领域的核心内容。近年来,在大数据背景下,以“深度学习”为......
近年来深度学习理论再度中兴,在机器学习视觉识别和听觉识别领域应用日益广泛。玻尔兹曼机是比较典型的深度学习神经网络,其网络权......
深度学习在语音识别、视觉识别以及其他领域都引起了很多研究者越来越多的关注。在图像处理领域,采用深度学习方法可以获得较高的......
针对人工经验提取特征进行减振器异响鉴别的复杂性与不可扩展性的问题,分析了深度信念网络(deep belief networks,DBNs)在减振器异......
针对复杂优化问题,研究并提出一种基于深度学习的层次结构与Dropout技术的变参数并行玻尔兹曼算法模型。该算法模型能够有效抑制局......
用深度学习(DL)的方法对蛋白质O-糖基化位点进行了预测。首先用SMOTE方法处理非平衡数据集,对较少一类的样本用“近亲繁殖”的方法......
为实现人体下肢步态动作的连续识别,提出了一种利用表面肌电信号进行下肢关节运动角度连续解码的方法。首先利用光学运动捕捉实现......
管网布局和离散管网的优化一直是城市供水管网系统改扩建优化设计中的2大难题.提出了给水管网改扩建优化设计的数学模型,并采用模......
传统的疲劳驾驶检测系统,一般采用对面部特征进行识别与信息提取的方式,易受到外界因素干扰,检测效率较低;针对这一问题,提出基于......
针对智能电网中积累的数据量不断增加这一问题,在并行计算模型MapReduce的基础上,提出了并行的深度玻尔兹曼机训练算法,深度玻尔兹......
针对电力系统负荷的非线性预测问题,本文构造了一种基于深度脊波神经网络的电力系统短期负荷预测模型。该模型的隐含层采用脊波神......
深度学习是机器学习和模式识别中的一个重要领域,它能很好的应用于语言识别,计算机视觉和自然语言处理。在如今大数据时代下,它能......
深度学习模型已经在众多应用领域取得了引人瞩目的成功。相对于经验意义上的成功,深度学习在模型设计和训练方法等方面的理论基础......
针对传统转子系统故障诊断方法在处理复杂故障数据时存在收敛速度慢和识别精度低问题,提出一种基于交叉熵代价函数的深度置信网络(......
提出了利用基于多模态学习的深度玻尔兹曼机模型(DBM)对微博图片和文本数据进行处理和分析,在模型中可以实现文本和图片的低层次特......
行人检测一直是计算机视觉领域的热点和难点问题。本文提出了一种结合玻尔兹曼机RBM(Restricted Boltzmann Machine)和支持向量机S......
目前,深度学习在分类问题中取得了很多很好的效果,并开始在部分回归任务得到应用。然而,绝大部分研究重点都集中在相对其他回归算......
风具有强随机不确定性,目前,准确的风速及风电场功率预测是解决规模化风电并网安全高效运行的重要基础。本文将深度学习理论应用到......
随着物联网的不断发展,越来越多的设备需要接入物联网,电力行业也慢慢地需要接入物联网,特别是变电站需要智能化,将变电站的电压电......
深度学习是机器学习中的新兴研究领域,能够很好地用于解决目标识别、语言理解等复杂问题.玻尔兹曼机作为深度学习的典型代表近年来......
压裂车是用来对油层进行压裂以达到油井增产的机械设备,其工作环境通常较为复杂,并且主要工作在高温、高压、重载等非常恶劣的状态......
针对建筑结构中存在的安全威胁因素呈现的累积特征,实时危险检测的难度较大,并且噪声和结构会形成复杂干扰使得实时监测难度更大,......
受限制的玻尔兹曼机（RBM）是一种无向图模型.基于RBM的深度学习模型包括深度置信网（DBN）和深度玻尔兹曼机（DBM）等.在神经网络和RBM的训练......
