Dec, 2023

使用受限玻尔兹曼机进行图像聚类

PDF
TL;DR使用限制玻尔兹曼机 (Restricted Boltzmann Machines) 进行图像聚类任务，通过训练通用 RBM 模型和适应每个测试图像的 RBM 模型，生成嵌入向量用于图像聚类任务，并在实验结果中表明该方法优于 k-means、谱聚类和近似顺序排名算法。
restricted boltzmann machinesimage clusteringagglomerative hierarchical clusteringahc-rbmembedding vector
发现论文，激发创造
  • 快速且准确地训练和抽样受限波尔兹曼机

    通过凸优化过程将数据集的主要方向整合到低秩 RBM 中，从而通过静态蒙特卡罗过程实现平衡分布的高效采样，成功训练 RBM 来捕捉之前方法失败的高度结构化数据集中的全部多样性，并提出了一种新的采样方法 - 平行轨迹调整，使得能够比之前的 MCMC 方法更快地采样训练模型的平衡分布并更好地估计对数似然。

    May, 2024

  • 一种基于生成式受限玻尔兹曼机的高维动作数据建模方法

    本文提出了在 RBMs 的能量函数中引入另一项以显式地建模输入数据中的局部空间交互作用，以建模全局动态和本地空间交互作用的理论扩展，通过提出的学习方法，在两个计算机视觉应用程序上评估了改进的 RBM 模型：面部表情识别和人体动作识别，并在基准数据库上展示了所提出算法的有效性。

    Oct, 2017

  • 无监督集成学习的深度学习方法

    本文介绍了深度学习方法如何应用于众包和无监督集成学习，证明了在 Dawid 和 Skene 模型下，假定所有分类器是条件独立的，等价于具有单个隐藏节点的受限玻尔兹曼机 (RBM)，提出了采用基于 RBM 的深度神经网络 (DNN) 的方法来解决分类器强烈违反条件独立性假设的问题，实验结果表明，我们提出的 DNN 方法在各种模拟和实际数据集上表现优异，尤其是当数据违反条件独立性假设时。

    Feb, 2016

  • 进化受限玻尔兹曼机 - 科赫宁网络用于在线聚类

    提出了一种新的在线聚类算法，其中一个 Evolving Restricted Boltzmann Machine (ERBM) 嵌入了一种称为 ERBM-KNet 的 Kohonen 网络。该算法通过使用 ERBM 处理无标签图像数据，并利用从 ERBM 提取的特征来预测聚类数和更新簇中心。与其他聚类算法相比，ERBM-KNet 在解决聚类算法常见问题方面表现出显著的改善，并在四个基准数据集和一个行业数据集上进行了广泛的实验评估，证明了其优越性。

    Feb, 2024

  • 使用词观察值训练受限玻尔兹曼机

    本文描述了如何使用更高效的马尔可夫链蒙特卡罗算子来训练受限玻尔兹曼机 (RBM)，以有效地处理自然语言处理中的高维度多项式观察值，通过在数百万个单词 n-gram 上训练 RBM，并使用所学特征来提高分块和情感分类任务的性能，从而实现了后一项的最新成果。

    Feb, 2012

  • 用受限玻尔兹曼机加速蒙特卡罗模拟

    本文提出了将人工神经网络用于蒙特卡罗方法的改进，使其在统计物理问题中的混合时间得以加速，具体应用于 Falicov-Kimball 模型，并在其相变点附近展示了接受比率和自相关时间的提高。

    Oct, 2016

  • 基于结构的受限玻尔兹曼机图像去噪与分类

    本文介绍的结构受限玻尔兹曼机（Structural Restricted Boltzmann Machine）模型针对图像建模的应用，通过限制隐层单元与可见层子集的连接来显著降低可训练参数数量，而不会影响性能。通过对多个图像域进行广泛实验，评估使用 MNIST 数据集的图像去噪结果和五个不同图像域的分类性能，结果表明相比于无限制连接的 RBM，该模型具有更快、更稳定的训练，并且可以获得更好的结果。

    Jun, 2023

  • 可解释的限制玻尔兹曼机用于协同过滤

    本文提出了一种可解释性的 Restricted Boltzmann Machines (RBM) 协同过滤方法，该方法能够从可解释的项目中计算出前 n 个推荐列表，并证明了该方法能够生成准确而可解释的推荐结果。

    Jun, 2016

  • 利用高斯 - 二元受限玻尔兹曼机模拟自然图像统计

    本文从密度模型的角度出发，对高斯 - 二进制受限玻尔兹曼机（GRBM）进行理论分析，展示了 GRBM 的一些性能和限制，讨论了训练算法的几个关键点，并与其他改进的模型进行了比较。

    Jan, 2014

  • 使用贪婪的量子搜索学习受限玻尔兹曼机

    我们提出了相应的量子算法来解决 Restricted Boltzmann Machines 结构学习问题，并证明这些算法相对于经典算法在这两类 RBMs 的结构学习中具有多项式加速。

    Sep, 2023