前言
今天的文章將要介紹深度學習中其中一種演算法叫受限玻爾茲曼機(RBM)。
介紹
RBM是隨機神經網路，可以從一組輸入的機率分佈中學習。這種深度學習演算法用於降維、分類、回歸、協同過濾、特徵學習和主題建模。
運作模式
1.RBM接受輸入並將其轉換為一組數位，用於對正向傳遞中的輸入進行編碼。
2.RBM將每個輸入與單個權重和一個總體偏差相結合。該演算法將輸出傳遞到隱藏層。
3.在向後傳遞中，RBM獲取這組數位並將它們轉換以形成重建的輸入。
4.RBM將每個啟動與單個權重和整體偏差相結合，並將輸出傳遞到可見層進行重建。
5.在可見層，RBM將重建與原始輸入進行比較，以分析結果的品質。
圖片來源
https://kilong31442.medium.com/top-10-%E6%82%A8%E6%87%89%E8%A9%B2%E8%A6%81%E5%AD%B8%E6%9C%83%E7%9A%84%E6%B7%B1%E5%BA%A6%E5%AD%B8%E7%BF%92%E6%BC%94%E7%AE%97%E6%B3%95-fundamental-review-series-d8c69897e010
資料來源
https://kilong31442.medium.com/top-10-%E6%82%A8%E6%87%89%E8%A9%B2%E8%A6%81%E5%AD%B8%E6%9C%83%E7%9A%84%E6%B7%B1%E5%BA%A6%E5%AD%B8%E7%BF%92%E6%BC%94%E7%AE%97%E6%B3%95-fundamental-review-series-d8c69897e010
iThome鐵人賽
看影片追技術