二值化自然图像先验分布的玻尔兹曼机学习
机器学习
2016-10-25 v4 无序系统与神经网络
计算机视觉与模式识别
摘要
本研究利用玻尔兹曼机学习二值化自然图像的先验分布。结果表明，相互作用中出现了具有两个子晶格的结构，最近邻和次近邻相互作用相应地取两个判别值，这反映了我们所处理的三组图像各自的特征。同时，在更长的空间尺度上，所有情况下普遍出现了一种长程但仍快速衰减的铁磁相互作用。相互作用的特征长度尺度普遍达到约四个晶格间距 。这些结果是通过平均场方法推导得出的，该方法有效减少了玻尔兹曼机所需的计算时间。一种称为贝特近似（Bethe approximation）的改进平均场方法也得出了相同的结果，小尺寸图像的蒙特卡洛方法亦然。这些结果证实了我们分析和发现的有效性。文中还讨论了与临界性、阻挫以及简单细胞感受野的关系。
引用
@article{arxiv.1412.7012,
title = {Boltzmann-Machine Learning of Prior Distributions of Binarized Natural Images},
author = {Tomoyuki Obuchi and Hirokazu Koma and Muneki Yasuda},
journal= {arXiv preprint arXiv:1412.7012},
year = {2016}
}
备注
32 pages, 33 figures