深度时空推理网络中相变现象和其抗噪性能探究.docVIP

深度时空推理网络中相变现象和其抗噪性能探究 　　摘要：在人工智能领域中有很多问题存在着相变现象，而相变现象与问题本身结构有很大关系。通过实验发现深度时空推理网络在处理带有高斯噪声的数据时，网络的识别率会随着噪声的程度增加发生相变现象，即从90%以上突然骤减为0。对这种深度学习神经网络进行网络结构本身进行研究，发现当参数值在一定范围时，这种深度学习神经网络的识别率会发生相变现象，分析原因，提出一种方法来提高深度时空推理网络的抗噪性能，并提出有待解决的问题。 关键词：DeSTIN网络；深度学习；相变；神经网络；高斯噪声 中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2014）04-0829-07 1 介绍 近年来，随着深度学习在图像识别、语音识别和文本识别等领域表现出很好的实验效果，深度学习在人工智能领域有了巨大的发展。但是，深度学习在动态人体行为识别领域的能力还有待加强。如何处理时空图像信息成为了深度学习领域一个新的发展方向。2009年，一种新的深度学习系统——DeSTIN被提出[1-2]。 相变现象是物质本身的状态转化的物理现象，例如，水有气态、液态和固态三种形态，三种状态之间的转化过程，即为相变现象，它反映了物质两边和质变的本质。在计算机领域之中，相变现象也是普遍存在的。例如，在合取范式的可满足性问题（SAT问题）中的相变现象