استفاده از انرژي آزاد در روش واگرايي متقابل پايدار براي يادگيري شبكه هاي باور عميق

امروزه استفاده از معماریهای عمیق در یادگیری و تشخیص الگو بسیار متداول شده است. یكی از روشهای معمول در معماریهاای عمیق شبكههای باور عمیق است كه در آن با استفاده از تركیب چندین ماشین بولتزمن محدود، یك مدل قدرتمند مولاد از داده هاای آموزشی را میسازد. در این مقاله سعی شده تا با بهبود یكی از روشهای یادگیری این نوع از شبكهها، نتاای بهتاری را نسابت باه سعی میكند تا به كمك مقدار انارژی آزاد، نموناه هاای بهتاری را بارای FEPCD رویكردهای قبلی بدست آوریم. روش جدید به نام محاسبه گرادیان لگاریتم احتمال داده آموزشی، بدست آورد. بر اساس نتای بدست آمده در این روش، مای تاوان در دادگاان ارقاام % به خطایی به اندازه 70.1 % رسید كه این مقدار از نتای موجود در مرجع اصلی شبكههای بااور عمیاق باا 70.1 MNIST دستنویس با 701 % خطا دارای دقت بالاتری است. SVM خطا و از روشهای معمول دستهبندی مثل