受限波尔兹曼机

被引：102

作者：

张春霞 ^{[1
]}

姬楠楠 ^{[2
]}

王冠伟 ^{[3
]}

机构：

[1] 西安交通大学数学与统计学院

[2] 长安大学理学院

[3] 西安工业大学机电工程学院

来源：

工程数学学报 | 2015年 / 32卷 / 02期

基金：

国家自然科学基金重大研究计划;

关键词：

机器学习; 深度学习; 受限波尔兹曼机; 对比散度; Gibbs采样;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

摘要：

受限波尔兹曼机(restricted Boltzmann machines,RBM)是一类具有两层结构、对称连接且无自反馈的随机神经网络模型,层间全连接,层内无连接.近年来,随着RBM的快速学习算法一对比散度的出现,机器学习界掀起了研究RBM理论及应用的热潮.实践表明,RBM是一种有效的特征提取方法,用于初始化前馈神经网络可明显提高泛化能力,堆叠多个RBM组成的深度信念网络能提取更抽象的特征.鉴于RBM的优点及其在深度学习中的广泛应用,本文对RBM的基本模型、学习算法、参数设置、评估方法、变形算法等进行了详细介绍,最后探讨了RBM在未来值得研究的方向.

引用

页码：159 / 173

页数：15

共 9 条

[1] 玻尔兹曼机研究进展
刘建伟
刘媛
罗雄麟
[J]. 计算机研究与发展, 2014, (01) : 1 - 16
[2] 基于BM神经网络编码的生理信号情感识别
潘闻特
申丽萍
[J]. 计算机工程与设计, 2012, 33 (03) : 1101 - 1106
[3] 结合主元成分分析的受限玻耳兹曼机神经网络的降维方法
吴证
周越
杜春华
袁泉
[J]. 上海交通大学学报, 2008, (04) : 559 - 563
[4] 神经网络原理[M]. 机械工业出版社 , (美)SimonHaykin著, 2004
[5] Discriminative restricted Boltzmann machine for invariant pattern recognition with linear transformations[J] . Nannan Ji,Jiangshe Zhang,Chunxia Zhang,Lei Wang.Pattern Recognition Letters . 2014
[6] The flip-the-state transition operator for restricted Boltzmann machines
Brugge, Kai
Fischer, Asja
Igel, Christian
[J]. MACHINE LEARNING, 2013, 93 (01) : 53 - 69
[7] Training restricted Boltzmann machines: An introduction[J] . Asja Fischer,Christian Igel.Pattern Recognition . 2013
[8] Enhanced Gradient for Training Restricted Boltzmann Machines
Cho, KyungHyun
Raiko, Tapani
Ilin, Alexander
[J]. NEURAL COMPUTATION, 2013, 25 (03) : 805 - 831
[9] Annealed importance sampling
Neal, RM
[J]. STATISTICS AND COMPUTING, 2001, 11 (02) : 125 - 139

← 1 →