技术编号:20514594
提示:您尚未登录,请点 登 陆 后下载,如果您还没有账户请点 注 册 ,登陆完成后,请刷新本页查看技术详细信息。本发明涉及推理方法,尤其是一种基于随机计算理论的贝叶斯网络推理方法。背景技术近年来数据规模和计算能力的增长大大促进了人工智能发展,深度学习作为人工智能一个活跃分支,不断取得进步,目前工业界与学术界已经提出了很多高效的神经网络模型,不同于深度神经网络模型的确定权重值,贝叶斯神经网络参数通常符合固定的概率分布,假设权重ω符合均值为μ,方差为σ的高斯分布,在推理过程中,首先从标准正态分布中获取一个随机数h,然后利用正态分布的线型性,ω=σh+μ获得最终权值,当所有权重和偏置采样完成,得到一个实例化的网...
注意:该技术已申请专利,请尊重研发人员的辛勤研发付出,在未取得专利权人授权前,仅供技术研究参考不得用于商业用途。
该专利适合技术人员进行技术研发参考以及查看自身技术是否侵权,增加技术思路,做技术知识储备,不适合论文引用。
请注意,此类技术没有源代码,用于学习研究技术思路。