线性 - 非线性 - 泊松神经元网络在玻尔兹曼机上执行贝叶斯推断
人工智能
2013-01-29 v3 神经与进化计算
神经元与认知
机器学习
摘要
深度学习和经典联结主义观点中的一个猜想是，生物大脑在其后端实现了某种类型的深度网络。然而，据我们所知，尚未建立详细的对应关系，而这对于弥合神经科学与机器学习之间的差距至关重要。最近的研究强调了线性 - 非线性 - 泊松 (LNP) 神经元模型的生物合理性。我们表明，在具有神经合理性的设置下，整个网络能够表示任何玻尔兹曼机 (Boltzmann machine)，并执行一种介于吉布斯采样 (Gibbs sampling) 和变分推断 (variational inference) 之间的半随机贝叶斯推断算法。
引用
@article{arxiv.1210.8442,
title = {Linear-Nonlinear-Poisson Neuron Networks Perform Bayesian Inference On Boltzmann Machines},
author = {Louis Yuanlong Shao},
journal= {arXiv preprint arXiv:1210.8442},
year = {2013}
}
备注
Submitted to International Conference of Learning Representation (ICLR) 2013