論文-閱讀翻譯+筆記-深度玻爾茲曼機

我們提出了一種新的玻爾茲曼機器學習算法,其中包含許多隱藏變量層。依賴於數據的期望是使用趨於關注單一模式的變分近似來估計的,並且使用持續馬爾可夫鏈來近似數據依賴期望。使用兩種截然不同的技術來估計進入對數似然梯度的兩種期望類型,使得學習具有多個隱藏層和數百萬個參數的玻爾茲曼機器變得切實可行。 通過使用逐層「預訓練」階段,可以使得學習變得更有效率,從而允許使用單一自底向上通過初始化變量指數。我們在MNI
相關文章
相關標籤/搜索