深度置信网络优化模型在人才评价中的应用
来源：计算机工程杂志2020年第2期北京时间：
作者：李娜娜, 胡坚剑, 顾军华, 张亚娟
单位：1. 河北工业大学 人工智能与数据科学学院, 天津 300401;2. 河北省大数据计算重点实验室, 天津 300401
摘要：针对深度置信网络（DBN）权值随机初始化容易使网络陷入局部最优的问题，引入改进的和声搜索（IHS）算法，提出基于IHS的DBN模型（IHS-DBN）。在和声搜索算法的基础上，利用全局自适应的和声音调调整方式，提升算法收敛速度和后期局部搜索能力。将DBN重构误差函数作为IHS算法的优化目标函数，通过不断迭代优化解向量为DBN寻找一组较优的初始权值进行网络训练，并在MNIST数据集上验证IHS-DBN模型的有效性。IHS-DBN模型在高校人才评价中的应用结果表明，与DBN、SVM和BP神经网络评价模型相比，IHS-DBN模型的评价准确率分别提高3.6%、7.3%和16.4%。
关键词：深度置信网络,随机初始化,和声搜索算法,音调调整,人才评价
基金资助：河北省人力资源和社会保障课题（JRSHZ-2019-02014）。
