具有高斯分布的矩阵变量 RBM 模型
计算机视觉与模式识别
2016-09-28 v2
摘要
受限玻尔兹曼机 (RBM) 是一种特定类型的随机神经网络模型，它基于伯努利分布的假设对向量数据进行建模。对于多维和非二进制数据，必须对信息进行向量化和离散化才能应用传统的 RBM。众所周知，向量化会破坏数据的内部结构，而二进制单元会由于真实数据的多变性而限制应用性能。为了解决这个问题，本文提出了一种用于矩阵数据的矩阵变量高斯受限玻尔兹曼机 (MVGRBM) 模型，其矩阵元素服从高斯分布。与其他一些 RBM 算法相比，MVGRBM 能更好地对实值数据进行建模，并且在图像分类中具有良好的性能。
引用
@article{arxiv.1609.06417,
title = {Matrix Variate RBM Model with Gaussian Distributions},
author = {Simeng Liu and Yanfeng Sun and Yongli Hu and Junbin Gao and Baocai Yin},
journal= {arXiv preprint arXiv:1609.06417},
year = {2016}
}
备注
We think we need more mathematical derivation and experiments to support the proposed theory of the paper. In this period, it is not appropriate to publish it