非负玻尔兹曼机的有效平均场推断方法
机器学习
2016-03-09 v1 无序系统与神经网络
统计力学
摘要
非负玻尔兹曼机(nonnegative Boltzmann machines, NNBMs)是能够描述多模态非负数据的循环概率神经网络模型。NNBMs 形成修正高斯分布，出现在生物神经网络模型、正矩阵分解、非负矩阵分解等中。本文提出了一种针对 NNBMs 的有效推断方法，该方法使用平均场方法（称为 Thouless--Anderson--Palmer 方程）以及最近提出的对角一致性方法。
引用
@article{arxiv.1603.02434,
title = {Effective Mean-Field Inference Method for Nonnegative Boltzmann Machines},
author = {Muneki Yasuda},
journal= {arXiv preprint arXiv:1603.02434},
year = {2016}
}