神经 Boltzmann 机
机器学习
2023-05-16 v1 无序系统与神经网络
机器学习
摘要
条件生成模型能够利用上下文信息作为输入来创造新的想象性输出。条件受限 Boltzmann 机（CRBM）是一类条件生成模型，已证明尤其擅长对含噪离散或连续数据建模，但 CRBM 表达能力的不足限制了其广泛采用。本文引入神经 Boltzmann 机（NBM），通过将 CRBM 的每个参数转换为各自允许作为条件输入函数的神经网络，从而对 CRBM 进行推广。NBM 是高度灵活的条件生成模型，可通过随机梯度下降训练以近似最大化数据的对数似然。我们展示了 NBM 的实用性，尤其是在正态分布数据上，而此类数据历来给高斯-伯努利 CRBM 带来问题。复现我们结果的代码可在 https://github.com/unlearnai/neural-boltzmann-machines 找到。
引用
@article{arxiv.2305.08337,
title = {Neural Boltzmann Machines},
author = {Alex H. Lang and Anton D. Loukianov and Charles K. Fisher},
journal= {arXiv preprint arXiv:2305.08337},
year = {2023}
}
备注
7 pages, 4 figures