一种基于元启发式算法微调深度玻尔兹曼机的方法
机器学习
2021-01-15 v1
摘要
深度学习技术，如深度玻尔兹曼机(DBMs)，近年来因在广泛领域中取得的出色结果而受到相当关注。这些技术的主要缺点之一在于其超参数的选择，因为超参数对最终结果有显著影响。本工作利用具有不同背景的元启发式优化技术（如群体智能、基于记忆和进化的方法）来解决深度玻尔兹曼机超参数微调的问题。在三个用于二值图像重建的公开数据集上进行的实验表明，元启发式技术可以取得合理的结果。
引用
@article{arxiv.2101.05795,
title = {A Metaheuristic-Driven Approach to Fine-Tune Deep Boltzmann Machines},
author = {Leandro Aparecido Passos and João Paulo Papa},
journal= {arXiv preprint arXiv:2101.05795},
year = {2021}
}
备注
30 pages, 7 figures