利用受限玻尔兹曼机进行图信号恢复
机器学习
2020-11-23 v1 人工智能
神经与进化计算
社会与信息网络
摘要
我们提出一种与模型无关的流水线，通过利用受限玻尔兹曼机的内容寻址记忆特性及神经网络的表征能力，从专家系统恢复图信号。所提流水线需要以干净数据（无任何损坏或不完整形式的数据）在下游机器学习任务上训练的深度神经网络。我们表明，对深度神经网络所学表征去噪通常比对数据本身去噪更有效。尽管该流水线可处理任意数据集中的噪声，其对图结构数据集尤为有效。
引用
@article{arxiv.2011.10549,
title = {Graph Signal Recovery Using Restricted Boltzmann Machines},
author = {Ankith Mohan and Aiichiro Nakano and Emilio Ferrara},
journal= {arXiv preprint arXiv:2011.10549},
year = {2020}
}
备注
Paper: 27 pages, 9 figures. Appendix: 5 pages, 12 figures. Submitted to Expert Systems with Applications