Sigmoid Belief Network（SBN）是一种有向图模型，结合了波尔茨曼机的特点，可以逼近任意二值分布并进行采样。通过梯度法和醒眠算法解决学习问题，其中醒眠算法包括Wake Phase和Sleep Phase，分别对应EM算法的M步和E步。
1.Sigmoid信念网络是一种有向图模型
2.SBN它可以逼近任意二值分布函数，还可以进行采样
3.求解SBN可以用梯度法，要利用MC近似梯度
4.醒眠算法也是求解SBN的一种算法，它是一种不太精确的算法
今天我们介绍一个深度有向模型——Sigmoid Belief Network.它是一种有向图模型，每个节点是定义为二型离散随机变量，通常为0和1。我们知道，波尔茨曼机（BM）是一种二型的无向图模型，而Sigmoid Belief Network可以看成与波尔茨曼机的结合模型。本文中，我们也称它为Sigmoid信念网络。
模型表示
对于拥有T个节点的Sigmoid Belief Network：
其概率图模型表示为（h是隐变量，v是观测变量）：
最低0.47元/天 解锁文章
1128
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
