基于辅助变量马尔可夫链蒙特卡罗方法的RBM学习算法OA北大核心CHSSCDCSSCICSTPCD
Auxiliary-variable-based RBM Learning Algorithm of Markov Chain Monte Carlo Method
文章给出了一种训练受限玻尔兹曼机(RBM)的有效方法.提出基于辅助变量的马尔可夫链蒙特卡罗方法(MCMC),利用Swendsen-Wang(SW)算法构造辅助变量与感兴趣变量之间的条件概率,进而得到混合率更高的Gibbs链,从而使其更好地逼近对数似然梯度.最后,通过数据实验给出辅助变量MCMC的抽样效果和RBM模型在数据集下的对数似然,证实基于辅助变量的MCMC方法在学习RBM方面有良好效果.
丁毅涛;胡俊英
西京学院理学院,西安710123西安交通大学数学与统计学院,西安710049
数理科学
受限玻尔兹曼机马尔可夫链蒙特卡罗对数似然条件概率分布
《统计与决策》 2020 (10)
18-22,5
西京学院科研资助项目(XJ190205)
评论