受限波尔兹曼机?

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。

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

分类号：TP181;O235(自动化基础理论)

资助基金：国家重点基础研究发展计划973项目2013CB329406；国家自然科学基金重大研究计划91230101；国家自然科学基金11201367；中央高校基本科研业务费专项基金xjj2011048.@@@@ The National Basic Research Program of China,973 Program2013CB329406;the Major Research Project of the National Natural Science Foundation of China91230101;the National Nat-ural Science Foundation of China11201367;the Fundamental Research Funds for the Central Universities of Chinaxjj2011048

在线出版日期：2015-05-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共15页

页码：159-173