文献类型：期刊文章

作　　者：张春霞[1] 姬楠楠[2] 王冠伟[3]

机构地区：[1]西安交通大学数学与统计学院,西安710049 [2]长安大学理学院,西安710064 [3]西安工业大学机电工程学院,西安710021

出　　处：《工程数学学报》

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)~~

年　　份：2015

卷　　号：32

期　　号：2

起止页码：159-173

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CSCD、CSCD2015_2016、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

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的快速学习算法一对比散度的出现,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]