关键词deep boltzmann machines
搜索结果 - 5
- 单调深度玻尔兹曼机
本研究提出了单调 Deep Boltzmann machines，架构允许全连接的权重结构的高效（近似）推理，可用于图像联合完成和分类。
- ICML无偏差对比散度与本地模式初始化的深度玻尔兹曼机端到端训练
本研究使用 Metropolis-Hastings 方法解决了深度 Boltzmann 机中梯度估计偏差的问题，提出一种无需贪婪预训练的端到端训练算法，实现了与其他深度生成模型相当的生成性能。
- 近临临界状态下的 Ising 模型深度学习
使用深度玻尔兹曼机、深度置信网络和深度限制玻尔兹曼网络对二维 Ising 系统进行非监督生成建模，比较与浅层架构的有限玻尔兹曼机的效果，并发现只有第一隐藏层的神经元数量对于生成能量观测量的准确度有影响，而架构的深度和模型类型对于准确度的影响 - ICLR联合训练深度玻尔兹曼机进行分类
本文介绍了一种新的深度玻尔兹曼机联合训练方法，使用多预测训练策略同时训练 DBM 的所有层，得到的模型可以作为一个最大化广义伪似然的变分近似单一生成模型或近似平均的一类共享参数的循环网络。实验证明此方法的性能优于其他方法在分类精度和处理缺失 - 稀疏组受限玻尔兹曼机
本文提出了基于 l1/l2 正则化的稀疏组受限玻尔兹曼机，该方法不仅能够在组和隐藏单元级别上实现稀疏性，同时在图像、手写数字和图像分类等任务中取得更好的成绩，并在 MNIST 数据集上实现了 0.84% 的误差率，是目前公布的最佳结果。