深度学习：CD算法学习笔记

最新推荐文章于 2023-04-10 14:58:14 发布

等待的南瓜籽

最新推荐文章于 2023-04-10 14:58:14 发布

阅读量7.8k

点赞数 3

分类专栏：深度学习文章标签：深度学习 CD算法 RBM DBN

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/wait4pumpkin/article/details/12236825

版权

参考资料

Oliver Woodford：Notes on Contrastive Divergence

CD（Contrastive Divergence）算法由Geoffrey Hinton提出，用于求ML（Maximum-Likelihood）问题的近似解。

问题描述

假设模型为 $f(x;\Theta)$ ， $\Theta$ 为模型参数，则 $x$ 的概率可以表示为

$p(x;\Theta) = \frac{1}{Z(\Theta)} f(x;\Theta)$ . (1)

其中 $Z(\Theta)$ 是归一化函数，因为概率和等于1。
假设训练集是 $X = \{x_1, x_2, ... , x_K\}$ ，根据最大似然原则，要使得训练集的联合概率最大，即最大化

$p(X; \Theta) = \prod_{k=1}^{K} \frac{1}{Z(\Theta)}f(x_k; \Theta)$ . (2)

若对上式取负对数，则问题就相当于最小化能量

$E(X; \Theta) = log(Z(\Theta)) - \frac{1}{K} \sum_{k=1}^{K} logf(x_k; \Theta)$ (3)

这就是ML问题的描述，下面以几个例子说明如何求解。

ML问题求解

假如模型为单高斯分布，即

最低0.47元/天解锁文章

等待的南瓜籽

关注

3
点赞
踩
13

收藏

觉得还不错? 一键收藏
0
评论
深度学习：CD算法学习笔记

参考资料：Oliver Woodford：Notes on Contrastive Divergence
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。