基于深度混合玻尔兹曼机与去噪自编码器的在线半监督学习
机器学习
2016-01-19 v7
摘要
提出了两种新颖的深度混合架构，即深度混合玻尔兹曼机（Deep Hybrid Boltzmann Machine）与深度混合去噪自编码器（Deep Hybrid Denoising Auto-encoder），用于处理半监督学习问题。这些模型结合了在不同抽象层次上对相关分布建模的专家，以提升在判别任务上的整体预测性能。给出了各自联合学习的理论动机与算法。我们将新模型应用于数据流领域，致力于终身学习。所提出的架构相比伪标记、drop-out整流网络表现出更优的性能。
引用
@article{arxiv.1511.06964,
title = {Online Semi-Supervised Learning with Deep Hybrid Boltzmann Machines and Denoising Autoencoders},
author = {Alexander G. Ororbia and C. Lee Giles and David Reitter},
journal= {arXiv preprint arXiv:1511.06964},
year = {2016}
}