使用用于深度神经网络的改进的训练和学习的方法和系统

摘要

公开了使用用于深度神经网络的改进的训练和学习的方法和系统。在一个示例中，深度神经网络包括多个层，并且每个层具有多个节点。对于多个层中的每个L层，每个L层的节点随机连接至L+1层中的节点。对于多个层中的每个L+1层，每个L+1层的节点以一对一的方式连接至后续L层中的节点。与每个L层的节点相关的参数是固定的。更新与每个L+1层的节点相关的参数，并且L是以1开始的整数。在另一示例中，深度神经网络包括输入层、输出层和多个隐藏层。输入层的输入和输出层的标签是与第一样本相关地确定的。使用高斯回归过程来估计第二样本与第一样本之间的不同对的输入和标签之间的相似性。