可用于人脸识别的反馈型二元神经网络

提出和分析了一种新型的反馈型随机神经网络,并将其用于解决复杂的人脸识别问题.该模型采用随机型加权联接,神经元为简单的非线性处理单元.理论分析揭示该网络模型存在唯一的收敛平稳概率分布,当网络中神经元个数较多时,平稳概率分布逼近于boltzmann-gibbs分布,网络模型与马尔可夫随机场之间存在密切关系.在设计了一种新型模拟退火和渐进式boltzmann学习算法后,系统被成功地应用于难度较大的静态和动态人像识别,实验结果证实了系统的可行性和高效率.