DeepLearning（深度学习）原理与实现（四）

        今天就来讨论下deep learning怎么来处理real valued data。对于图像来说，二值图像毕竟是少数，更多的还是实值图像。对于这样的情况，RBM已经无法很好的处理它们，因此需要改进它，对于了解计算机视觉的人而言，想必高斯混合背景模型大家已不陌生，高斯混合模型可以很好的对实值图像建模，OpenCV中早就用高斯混合背景模型来分割物体。接下来要引出的高斯有限制玻尔兹曼机（Gaussian Restricted Boltzmann machine-GRBM）和高斯混合模型有一定的等价性。

      在上一节中，作者提到过对于RBM这个无向图模型而言，无论是给定隐藏节点还是可视节点，剩下的那层内节点之间互相独立。那么对于RBM这个图模型描述的联合分布可以分解成（公式一）的形式：

（公式一）

       其中P（h）可看成高斯混合系数，如果P(v|h)是高斯分布，那么这个条件下的RBM就和高斯混合分布具有等价性。因此GRBM合理登场 ,下面开始进入GRBM正题,首先当然要假定P(v|h)服从高斯分布，不然没法进展下去咯，先来看下GRBM的能量公式定义（公式二）：

（公式二）