Scifaro

中文

贝叶斯置信传播神经网络中的表示学习

机器学习 2021-07-15 v1 神经与进化计算机器学习

作者: Naresh Balaji Ravichandran , Anders Lansner , Pawel Herman

在 arXiv 上查看 ↗ PDF ↗ DOI ↗

摘要

分层表示的无监督学习是近年来深度学习中最为活跃的研究方向之一。在本文中，我们研究基于局部 Hebbian 学习的受生物学启发神经网络无监督策略。我们提出新机制以扩展贝叶斯置信传播神经网络 (BCPNN) 架构，并证明其在 MNIST 数据集上测试时对显著隐藏表示的无监督学习能力。

关键词

无监督学习表示贝叶斯置信传播神经网络 Hebbian 学习 MNIST 深度学习

引用

@article{arxiv.2003.12415,
  title  = {Learning representations in Bayesian Confidence Propagation neural networks},
  author = {Naresh Balaji Ravichandran and Anders Lansner and Pawel Herman},
  journal= {arXiv preprint arXiv:2003.12415},
  year   = {2021}
}