|
|||||
|
|
| 受限波尔兹曼机 | |
| 引用本文： | 张春霞,姬楠楠,王冠伟.受限波尔兹曼机[J].工程数学学报,2015(2):159-173. |
| 作者姓名： | 张春霞 姬楠楠 王冠伟 |
| 作者单位： | 1. 西安交通大学数学与统计学院,西安,710049 2. 长安大学理学院,西安,710064 3. 西安工业大学机电工程学院,西安,710021 |
| 基金项目： | 国家重点基础研究发展计划973项目(2013CB329406)；国家自然科学基金重大研究计划(91230101)；国家自然科学基金(11201367)；中央高校基本科研业务费专项基金(xjj2011048).@@@@ The National Basic Research Program of China;973 Program，the Major Research Project of the National Natural Science Foundation of China，the National Nat-ural Science Foundation of China，the Fundamental Research Funds for the Central Universities of China |
| 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. |
| 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 |
Restricted Boltzmann Machines |
|
| ZHANG Chun-xia,JI Nan-nan,WANG Guan-wei.Restricted Boltzmann Machines[J].Chinese Journal of Engineering Mathematics,2015(2):159-173. | |
| Authors: | ZHANG Chun-xia JI Nan-nan WANG Guan-wei |
| Affiliation: | ZHANG Chun-xia;JI Nan-nan;WANG Guan-wei;School of Mathematics and Statistics,Xi’an Jiaotong University;School of Science,Chang’an University;School of Mechatronic Engineering,Xi’an Technological University; |
| Abstract: | |
| Keywords: | machine learning deep learning restricted Boltzmann machine contrastive diver-gence Gibbs sampling |
| 本文献已被 CNKI 万方数据 等数据库收录！ | |