俄羅斯國家核研究大學莫斯科物理工程學院智能控制系統研究所提出了訓練受限玻爾茲曼機（一種神經網絡）的新方法，可以優化數據的語義編碼、可視化和識別過程。研究成果發表在《光存儲與神經網絡》雜志上。
目前，對不同架構深度神經網絡的研究日益普及，包括微軟和谷歌在內的一些高科技公司都使用深度神經網絡來設計各種智能系統。隨著深度神經網絡的出現，深度學習這個術語也開始流行。如果利用受限玻爾茲曼機對神經網絡各層進行學習，可以有效地對多層神經網絡進行預訓練，然后通過誤差反向傳播法進行再學習。這些網絡被稱為深信度網絡（Deep Belief Networks）。
研究所教授弗拉基米爾·戈洛夫科對深度機器學習存在的問題和基本模型進行了分析，提出了受限玻爾茲曼機學習的新方法。新的深度學習法可能對神經網絡的搜索引擎非常有益，能高速搜索相關圖像。其科研數據的使用價值更是難以估量，已經應用在不同領域，包括計算機視覺、語音識別和生物信息學。
星空人工智能技術網 倡導尊重與保護知識產權。如發現本站文章存在版權等問題，煩請30天內提供版權疑問、身份證明、版權證明、聯系方式等發郵件至1851688011@qq.com我們將及時溝通與處理。！：首頁 > 新聞 » 深度學習神經網絡方法獲改進