人工智能机器学习之受限玻尔兹曼机(RBM)算法.doc
《人工智能机器学习之受限玻尔兹曼机(RBM)算法.doc》由会员分享,可在线阅读,更多相关《人工智能机器学习之受限玻尔兹曼机(RBM)算法.doc(3页珍藏版)》请在三一文库上搜索。
1、人工智能机器学习之受限玻尔兹曼机(RBM)算法人工智能之机器学习主要有三大类:1)分类;2)回归;3)聚类。今天我们重点探讨一下受限玻尔兹曼机(RBM)算法。受限玻尔兹曼机RBM在深度学习领域一直有重要应用,它是一种可用随机神经网络来解释的概率图模型,由Smolensky在1986年在玻尔兹曼机BM的基础上提出, 是玻尔兹曼机BM的一种特殊拓扑结构。玻尔兹曼机BM原理起源于统计物理学,是一种基于能量函数的建模方法,能够描述变量之间的高阶相互作用,玻尔兹曼机BM的学习算法较复杂,但所建模型和学习算法有比较完备的物理解释和严格的数理统计理论作基础。RBM概念:以Hinton和Ackley两位学者为
2、代表的研究人员从不同领域以不同动机同时提出BM学习机。BM是一种随机递归神经网络,可以看做是一种随机生成的Hopfield网络(请参见公众号之人工智能Hopfield网络)。BM是一种对称耦合的随机反馈型二值单元神经网络,由可见层和多个隐层组成,网络节点分为可见单元(visible unit)和隐单元(hidden unit),用可见单元和隐单元来表达随机网络与随机环境的学习模型,通过权值表达单元之间的相关性。Smolensky提出的RBM由1个可见神经元层和1个隐神经元层组成,由于隐层神经元之间没有相互连接并且隐层神经元独立于给定的训练样本,这使直接计算依赖数据的期望值变得容易,可见层神经元
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 人工智能 机器 学习 受限 玻尔兹曼机 RBM 算法
链接地址:https://www.31doc.com/p-3373374.html