受限波尔兹曼机?

• 作者: 姬楠楠 张春霞 王冠伟
• 来源期刊: 工程数学学报
• 学科: 工学
• 关键词: 机器学习 深度学习 受限波尔兹曼机 对比散度 Gibbs采样
• 年，卷（期）: 2015,（2）
• 页码范围: 159-173
• 页数: 15页
• 分类号: TP181|O235
• 字数: 9434字
• 语种: 中文
• DOI: 10.3969/j.issn.1005-3085.2015.02.001

摘要

受限波尔兹曼机(restricted Boltzmann machines, RBM)是一类具有两层结构、对称连接且无自反馈的随机神经网络模型，层间全连接，层内无连接。近年来，随着RBM的快速学习算法—对比散度的出现，机器学习界掀起了研究RBM理论及应用的热潮。实践表明，RBM是一种有效的特征提取方法，用于初始化前馈神经网络可明显提高泛化能力，堆叠多个RBM组成的深度信念网络能提取更抽象的特征。鉴于RBM的优点及其在深度学习中的广泛应用，本文对RBM的基本模型、学习算法、参数设置、评估方法、变形算法等进行了详细介绍，最后探讨了RBM在未来值得研究的方向。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张春霞	西安交通大学数学与统计学院	12	571	6.0	12.0
2	姬楠楠	长安大学理学院	6	208	3.0	6.0
3	王冠伟	西安工业大学机电工程学院	5	203	2.0	5.0