转导式 Boltzmann 机
机器学习
2018-05-22 v1 机器学习
摘要
我们提出转导式 Boltzmann 机(TBMs),其首次实现了 Gibbs 分布的转导学习。由于样本空间的组合爆炸,现有的 Boltzmann 机族无法精确学习 Gibbs 分布,而 TBMs 通过从数据自适应地构造最小所需样本空间来避免不必要的泛化,从而克服了该问题。我们从理论上给出了 TBMs 中 KL 散度的偏差-方差分解以分析其可学习性,并通过实验证明 TBMs 在效率和有效性上优于全可见 Boltzmann 机和广泛使用的受限 Boltzmann 机。
引用
@article{arxiv.1805.07938,
title = {Transductive Boltzmann Machines},
author = {Mahito Sugiyama and Koji Tsuda and Hiroyuki Nakahara},
journal= {arXiv preprint arXiv:1805.07938},
year = {2018}
}
备注
10 pages, 1 figure, 2 tables