RBM的学习算法

RBM定义的能量函数和概率函数为:
E(v,h)=iaivijbjhji,jwijvihj
p(v,h)=exp(E(v,h))v,hexp(E(v,h))
观察数据v的log概率函数为
logp(v)=loghexp(E(v,h))u,hexp(E(u,h))
logp(v)wij=h(exp(E(v,h)vihj))hexp(E(v,h))u,h(exp(E(u,h)uihj))u,hexp(E(u,h))=hp(h|v)vihju,hp(u,h)uihj
可以看出,第一项为在观察数据V条件概率下i节点和j节点状态乘积的期望值,该项为正值(positive);第二项为自由状态下i节点与j节点状态乘积的期望值,该项为负值(negative)。
计算期望值采用的是MCMC采样算法。
然而在自由状态下,第二项MCMC收敛到平衡状态的速度不快(inefficient),因为当前的平衡状态是当前w等参数决定的平衡状态,并不是最优参数对应的平衡状态。后来PCD、CD-k等高效算法被提了出来。

对比散度博文

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
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。

余额充值