关键词restricted boltzmann machine
搜索结果 - 29
- 使用模型平均法并行训练深度神经网络的实验
本研究针对深度神经网络（DNN）的并行训练使用模型平均方法。多 GPU 数据并行化，MPI 进行节点间通信，每隔几个 minibatches 进行模型平均。针对不同的学习速度、平均频率和 minibatch 尺寸探索最佳设置，研究发现 “N - 基于高层引导的语义部分分割深度学习
本研究探讨了物体分割的任务，通过使用语义分割系统和限制玻尔兹曼机的有益信息，结合 Dense CRF 标签，采用判别式方法提高了语义部分分割的性能，并在 PASCAL 数据集上展示了优越的性能。
- 无限受限玻尔兹曼机
本文提出了一种对受限玻尔兹曼机的数学构造，它不需要指定隐藏单元的数量，通过将 RBM 扩展为对其隐藏单元进行排序的灵敏性，再通过精心选择的能量函数的定义，我们表明，无限多的隐藏单元的极限是有定义的，并且该算法在学习过程中可以自然和自适应地添 - MM受限玻尔兹曼机的高级平均场理论
通过 Bethe 近似复杂统计场理论，我们基于平均场理论为 RBM 提供了一种高效的基于消息传递的方法，可以评估分区函数和梯度而无需统计采样，从而消除了对计算上昂贵的采样方法的需求。
- ICLR利用能量集成学习非确定性表示
本文提出了一种能学习非确定性表示的 stochastic ensemble 模型，通过从模型集合中有条件地采样，能够获得每个输入示例的多个表示，并在 MNIST 的 one-shot learning 场景中进行了测试。
- ICLR探究各种动态模式下的最小概率流模型对 RBM 的影响
本论文比较了训练 RBM 模型的两种算法：对比散度 (CD) 和最小概率流 (MPF)。实验结果显示 MPF 算法在不同的 RBM 配置下性能优于 CD 算法。
- 量子深度学习
本论文表明量子计算不仅可以减少深度受限玻尔兹曼机训练所需的时间，而且提供了比传统计算更丰富和全面的深度学习框架，从而在优化底层目标函数方面取得显著的改进。同时，我们的方法还允许高效地培训完整的 Boltzmann 机和多层全连接模型，且在经 - 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 - 受限玻尔兹曼机的几何形态
本文从代数统计学和热带几何的角度研究了基于完全二分图的 restricted Boltzmann machine 模型及其可识别性和维数，得出了该模型的计算和解码方法和与线性门限函数的联系。