RBM C++ 소스 코드 : http://ei-fye.seesaa.net/article/332428081.html
Consider a training set of binary vectors which we will assume are binary images for the purposes
of explanation. The training set can be modeled using a two-layer network called a \Restricted
Boltzmann Machine" (Smolensky, 1986; Freund and Haussler, 1992; Hinton, 2002) in which stochastic,
binary pixels are connected to stochastic, binary feature detectors using symmetrically weighted
connections. The pixels correspond to \visible" units of the RBM because their states are observed;
the feature detectors correspond to \hidden" units. A joint con guration, (v; h) of the visible and
hidden units has an energy (Hop eld, 1982) given by:
설명을 위해 이진 영상으로 학습 집합을 정의한다. 학습 집합은 제한된 볼츠만 기계라고 불리는 두개의 층으로 된 네트워크를 사용하여 모델링 될 수 있다.
이 RBM은 확률적인 모델이며, 이진 픽셀은 확률적으로 연결되어 있고, 대칭적으로 가중치를 가지고 있는 연결을 사용하는 이진 특징 검출기들을 가지고 있다.
픽셀은 관찰될 수 있기 때문에, RBM의 Visible uinis에 대응된다. 특징 검출기는 Hidden unit에 대응된다.
'Algorithm > Deep Learning' 카테고리의 다른 글
| Convolutional Neural Networks (CNNs / ConvNets) (0) | 2016.05.20 |
|---|---|
| Convolutional Neural networks(CNN) Practical (0) | 2015.05.15 |
| Deep Learning 한글 강좌 (0) | 2015.05.04 |
| DEEP LEARNING - An MIT Press book in preparation (0) | 2014.11.13 |
| Learning Deep Architectures for AI (1 Introduction ) (0) | 2013.04.29 |