马尔可夫过程:将来只依赖于现在不依赖过去的过程。
马尔可夫链:时间和状态都是离散的马尔可夫过程。
BM是全连接的,RBM是可见层之间不连接,隐层之间不连接。
基于对比散度的RBM快速学习算法
训练RBM
输入:一个训练样本,隐层单元个数m,学习速率
,最大训练周期T
输出 :连接权重矩阵W,可见层的偏置向量m,隐层的偏置向量b
训练阶段 :
初始化:令可见层单元的初始状态=
;W,a,b为随机的较小数值。
For t = 1,2,...,T
For j = 1,2,...,m(对所有隐单元)
计算P(),即P(
)=
是带有概率的激活函数
从条件分布P()中抽取
EndFor
For i = 1,2,...,n(对所有可见单元)
计算P(),即P(
)=
是带有概率的激活函数
从条件分布P()中抽取
EndFor
For j = 1,2,...,m(对所有隐单元)
计算P(),即P(
)=
是带有概率的激活函数
EndFor
接下来更新各个参数