知识卡片
对比散度近似模型期望
似然梯度一边要增加能解释观测数据的相关性,另一边扣除模型自己产生的相关性。枚举所有可见状态很贵,可从观测状态出发交替抽样隐藏层和可见层,再以短链输出近似第二项。一步重构通常尚未混合,得到的是近似更新。
交替采样利用了[[受限连接使层内条件独立]]。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
- · 第5章 神经网络
原书出处 · 1 处
- 第5章 神经网络 · 查看原书依据
给定含个独立同分布数据的数据集,记.学习RBM的策略是求出参数的值,使得如下对数似然函数最大化:
参考来源
- 位置:《机器学习公式详解》第5章 神经网络(book-source:`extracted/机器学习公式详解/_epub-src/text/part0011_split_000.html`,式(5.24))
- 结论依据:式(5.24)由观测数据与短链重构的可见隐藏统计量之差得到。
- 原始内容:给定含个独立同分布数据的数据集,记.学习RBM的策略是求出参数的值,使得如下对数似然函数最大化: