超级会员免费看
本文详细介绍了受限玻尔兹曼机（RBM），包括其有向无环图模型、能量模型、二元随机变量、可见层和隐藏层等内容，并通过Python示例代码阐述其工作原理和训练过程。RBM是一种无监督学习模型，常用于特征提取和生成任务，训练通常采用对比散度算法。
目录
学习目标：
- 一分钟掌握 python算法中的深度学习算法入门知识
学习内容：
- 受限玻尔兹曼机
受限玻尔兹曼机
受限玻尔兹曼机（Restricted Boltzmann Machine，简称RBM）是一种生成模型，属于无监督学习的范畴，可以用于特征提取、降维和生成数据等任务。它由一层可见层和一层隐藏层组成，每个神经元之间都是全连接的，但同一层的神经元之间不存在连接。RBM 的学习过程是通过最大化模型似然函数或者最小化其对应的能量函数来完成的。RBM 的训练可以使用贪心逐层训练算法，也可以使用更高级的学习算法，比如基于梯度下降的算法。
受限玻尔兹曼机由一个可见层和一个隐藏层组成，属于深度学习领域的基础模型之一。其主要包含以下内容：
Ⅰ. 有向无环图模型
受限玻尔兹曼机（Restricted Boltzmann Machine，RBM）是一种基于无向图模型的概率生成模型
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
