神经网络随机化作为一种后学习策略
神经与进化计算
2015-11-30 v1
摘要
如今人工神经网络应用于各个领域——工程、数据分析、机器人学。尽管它们作为多种相关应用的成功工具，但从数学上讲仍远未完备。特别是，它们苦于无法在训练过程中找到可能的最佳配置（局部极小值问题）。本文关注此问题，并提出一种简单但有效的后学习策略，以相对较小的额外计算代价搜索改进权重集。为此，我们引入一种基于与自然中发生的量子效应类比的新技术，作为改善（有时克服）该问题的方法。给出了若干数值实验以验证该方法。
引用
@article{arxiv.1511.08366,
title = {On randomization of neural networks as a form of post-learning strategy},
author = {K. G. Kapanova and I. Dimov and J. M. Sellier},
journal= {arXiv preprint arXiv:1511.08366},
year = {2015}
}
备注
15 pages, 26 figures