- 1、本文档共28页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
RestrictedBoltzmannMachine:
Introduction,PrincipleandApplication
YangFeng2015/12/1
IntroductionLet’sstartwithDeepLearning!
IntroductionAclassicalDeepLearningmodel:
Introduction
IntroductionAclassicalDBNstructure:
IntroductionWhatisRestrictedBoltzmannMachine?Akindofrandomneuralnetwork,whichisaspecialtopologyofBoltzmannMachine,studytheprobabilitydistributionthroughtheinputdata.WhichfieldsareRBMappliedin?Dimensionreduction,Classification,Collaborativefiltering,FeaturelearningandTopicmodeling.Theycanbetrainedineithersupervisedorunsupervisedways,dependingonthetask.What’therelationshipbetweenRBMandDBN?DBNstructureismadeupofseverallayersofRBMandalayerofBPneuralnetwork.
IntroductionDeterministicNeuralNetworkFixedweightupdatingrules(BPNetwork)Givenvalueandinput,andoutputisfixedRandomNeuralNetwork(RBM)Randomtrainingalgorithm1.Changethevalueupdatingformulabyacertaindistribution.2.Getridofthelocaloptimum.RandomactivationfunctionNodestatusobeysacertaindistribution.
IntroductionAnormalRBMstructure:Visuallayervisualpoints:v1,v2…vnweight:a=(a1,a2,…,an)Hiddenlayerhiddenpoints:h1,h2,…hnweight:b=(b1,b2,…,bm)Interactionweight:matrixW
PrincipleNowlet’sstartwithEnergyBasedModel.WhatisEnergyBasedModel?Whydoweneedit?EnergyBasedModel?ProbabilityProbability?MaximumLikelihoodEstimation
PrincipleWhatisEnergyBasedModel(EBM)?GenerativeModel:UsetoestimatejointprobabilityP(x,y),andthengeneratesamples,suchasHMM.DiscriminativeModel:UsetoestimateconditionalprobabilityP(y|x),cannotgeneratesamples,suchasSVM,CRF,MEM.EBMisakindofmodelframeworkaccordingtoenergy,whichcontainstraditionalGenerativeModel,DiscriminativeModel,Graph-TransformerNetworks,ConditionalRandomFields,maximizeedgeofMarkovnetworks,andsomemethodsfromManifol
您可能关注的文档
- 专题坐标系与参数方程卷.pdf
- 大畈示意图杉木园村地块.pdf
- 济学真题简答题apfrq.pdf
- 发动机控制系统加速踏板位置传感器aps 4.pdf
- 敏二下不懂就问教学反思.pdf
- 简介模块手册man0036.pdf
- 米氮平片哈三联一致性评价研究报告.pdf
- 高考地理考前复习探讨.pptx
- 化学品及企业标识csds2二异辛酯.pdf
- 未知动态环境中移动机械手增量式基于传感器运动生成.pdf
- 10《那一年,面包飘香》教案.docx
- 13 花钟 教学设计-2023-2024学年三年级下册语文统编版.docx
- 2024-2025学年中职学校心理健康教育与霸凌预防的设计.docx
- 2024-2025学年中职生反思与行动的反霸凌教学设计.docx
- 2023-2024学年人教版小学数学一年级上册5.docx
- 4.1.1 线段、射线、直线 教学设计 2024-2025学年北师大版七年级数学上册.docx
- 川教版(2024)三年级上册 2.2在线导航选路线 教案.docx
- Unit 8 Dolls (教学设计)-2024-2025学年译林版(三起)英语四年级上册.docx
- 高一上学期体育与健康人教版 “贪吃蛇”耐久跑 教案.docx
- 第1课时 亿以内数的认识(教学设计)-2024-2025学年四年级上册数学人教版.docx
文档评论(0)