二元突触网络学习中组合局部搜索策略

已知二元突触网络中的学习是一个 NP 完全问题。我们在突触权重空间中构造了一种组合随机局部搜索策略，以进一步提高单个随机游走者的学习性能。我们应用两个由它们的汉明距离和关联能量代价（未学习模式的数量）引导的相关随机游走者来学习同一个大的模式集。每个游走者首先学习整个模式集的一小部分（两个游走者学习的部分不同但模式数量相同），然后两个游走者协同探索各自的权重空间，以找到正确分类整个模式集的解。期望的解位于这两个游走者所探索的权重空间的公共部分。我们广泛的数值模拟支持了这种组合策略的效率，并通过退火计算估计了典型的汉明距离和能量代价。