Learning Algorithm for Boltzmann Machines Using Max-Product Algorithm and Pseudo-Likelihood
نویسندگان
چکیده
منابع مشابه
A Learning Algorithm for Boltzmann Machines
The computotionol power of massively parallel networks of simple processing elements resides in the communication bandwidth provided by the hardware connections between elements. These connections con allow a significant fraction of the knowledge of the system to be applied to an instance of a problem in o very short time. One kind of computation for which massively porollel networks appear to ...
متن کاملA New Learning Algorithm for Mean Field Boltzmann Machines
We present a new learning algorithm for Mean Field Boltzmann Machines based on the contrastive divergence optimization criterion. In addition to minimizing the divergence between the data distribution and the equilibrium distribution that the network believes in, we maximize the divergence between one-step reconstructions of the data and the equilibrium distribution. This eliminates the need to...
متن کاملTraining Algorithm for Restricted Boltzmann Machines Using Auxiliary Function Approach
あらまし 深層学習の重要な一要素として,レイヤーワイズの pre-trainingがある.レイヤーワイズの pre-trainingの 一つとして制約つきBoltzmannマシン (RBM)が有名である.RBMにはBernoulli-Bernoulli型とGaussian-Bernoulli 型があり,従来法の学習アルゴリズムとしてContrastive Divergence法が有名である.本発表ではBernoulli-Bernoulli 型,Gaussian-Bernoulli型の両方の最尤学習アルゴリズムと,最適化規準として新たに最大再構築確率を導入し,そ の学習アルゴリズムに焦点を当て,経験的に高速で安定に収束する補助関数法による新たな更新アルゴリズムの導出 を行う.そして,人工データによる収束性能の比較実験を行い,その挙動に対して議論する. キーワード 深層学習,制約付き B...
متن کاملfault location in power distribution networks using matching algorithm
چکیده رساله/پایان نامه : تاکنون روشهای متعددی در ارتباط با مکان یابی خطا در شبکه انتقال ارائه شده است. استفاده مستقیم از این روشها در شبکه توزیع به دلایلی همچون وجود انشعابهای متعدد، غیر یکنواختی فیدرها (خطوط کابلی، خطوط هوایی، سطح مقطع متفاوت انشعاب ها و تنه اصلی فیدر)، نامتعادلی (عدم جابجا شدگی خطوط، بارهای تکفاز و سه فاز)، ثابت نبودن بار و اندازه گیری مقادیر ولتاژ و جریان فقط در ابتدای...
Graph Cuts is a Max-Product Algorithm
The maximum a posteriori (MAP) configuration of binary variable models with submodular graph-structured energy functions can be found efficiently and exactly by graph cuts. Max-product belief propagation (MP) has been shown to be suboptimal on this class of energy functions by a canonical counterexample where MP converges to a suboptimal fixed point (Kulesza & Pereira, 2008). In this work, we s...
متن کاملذخیره در منابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ژورنال
عنوان ژورنال: Interdisciplinary Information Sciences
سال: 2012
ISSN: 1340-9050,1347-6157
DOI: 10.4036/iis.2012.55