深度指数族
机器学习
2014-11-11 v1 机器学习
摘要
我们描述了深度指数族（DEFs），这是一类受深度神经网络中使用的隐藏结构启发的潜变量模型。DEFs捕捉了潜变量之间的层次依赖关系，并通过指数族轻松推广到许多设置。我们使用最近的“黑箱”变分推断技术进行推断。然后，我们在文本上评估了各种DEFs，并将多个DEFs组合成一个用于成对推荐数据的模型。在一项广泛的研究中，我们表明，超过一层可以改善DEFs的预测。我们证明DEFs在大型数据集中发现了有趣的探索性结构，并且比最先进的模型具有更好的预测性能。
引用
@article{arxiv.1411.2581,
title = {Deep Exponential Families},
author = {Rajesh Ranganath and Linpeng Tang and Laurent Charlin and David M. Blei},
journal= {arXiv preprint arXiv:1411.2581},
year = {2014}
}