基于平均场理论逼近的神经网络

西广成

您当前的位置：

首页 >

文章列表页 >

基于平均场理论逼近的神经网络

更新时间：2025-12-08

- 基于平均场理论逼近的神经网络
- Neural Network Based on Mean-Field Theory Approximation
- 电子学报 1995年第8期
- 作者机构：
  
  中国科学院自动化研究所
- 作者简介：
- 基金信息：
  
  国家自然科学基金(61701067;61702065)
- DOI：
  中图分类号： TP18
- 纸质出版：1995
- 稿件说明：
移动端阅览
[1]西广成.基于平均场理论逼近的神经网络[J].电子学报,1995(08):62-64.

Xi Guangcheng. Neural Network Based on Mean-Field Theory Approximation[J]. Acta Electronica Sinica, 1995, (8).
[1]西广成.基于平均场理论逼近的神经网络[J].电子学报,1995(08):62-64. DOI：

Xi Guangcheng. Neural Network Based on Mean-Field Theory Approximation[J]. Acta Electronica Sinica, 1995, (8). DOI：

摘要

本文试图从信息论观点导出平均场理论逼近的神经网络及其退火算法，证明ＡＭＦＴＡ（ＡｌｇｏｒｉｔｈｍｓｏｆＭｅａｎ－ｆｉｅｌｄｔｈｅｏｒｙａｐｐｒｏｘｉｍａｔｉｏｎ）和ＡＢＭ（ＡｌｇｏｒｉｔｈｍｏｆＢｏｌｔｚｍａｎｎｍａｃｈｉｎｅ）在一定条件下的等价性，既保留传统Ｂｏｌｔｚｍａｎｎ机算法的优点又提高了网络趋于稳态的收敛速度。

Abstract

This paper intends to derive the neural network based on mean-field theory approximation and its annealing algorithm from the information-theoretic view point

to prove equivalence between AMFTA and ABM under certain condition.both keeping advantage of ABM and speeding up rate of convergence for the neural network to approach to equilibrium state.

关键词

Keywords

references

浏览量

200

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

一种新的边缘检测算法

高斯随机场参数的最小相对熵估计法