Màquina de Boltzmann restrictiva
una xarxa neuronal artificial estocàstica i generativa que pot aprendre distribucions de probabilitat de les seves entrades
Una màquina de Boltzmann restrictiva (en anglès RBM, Restricted Boltzmann machine) és una xarxa neuronal artificial estocàstica i generativa que pot aprendre distribucions de probabilitat de les seves entrades. Les RBMs van ser inventades per Paul Smolensky el 1986 i millorades amb algorismes ràpids d'aprenentatge a inicis del segle XXI per Geoffrey Hinton.[1][2][3]
Estructura
modificaCom indica el seu nom, les RBM són una variant de les màquines de Boltzmann, amb la restricció que cada neurona o node ha d'estar formada per un graf bipolar (un grup de unitats visibles que són les entrades i un grup d'unitats amagades) on no hi ha connexions dintre del grup. Vegeu la Fig.1
- Les RMB tenen dues capes : capa visible i capa amagada. La capa visible és l'entrada.
- No hi ha connexions dintre la mateixa capa, vol dir que les neurones són independents entre elles. Amb aquesta simplificació s'obté major simplicitat de càlcul però menor exactitud de la solució.
Referències
modifica- ↑ Gibson, Chris Nicholson, Adam. «A Beginner's Tutorial for Restricted Boltzmann Machines - Deeplearning4j: Open-source, Distributed Deep Learning for the JVM» (en anglès). https://deeplearning4j.org. Arxivat de l'original el 2017-08-29. [Consulta: 29 agost 2017].
- ↑ «Restricted Boltzmann Machines (RBM) — DeepLearning 0.1 documentation» (en anglès). http://deeplearning.net. Arxivat de l'original el 2017-08-29. [Consulta: 29 agost 2017].
- ↑ «Introduction to Restricted Boltzmann Machines» (en anglès). http://blog.echen.me.+[Consulta: 29 agost 2017].