www.久久久久|狼友网站av天堂|精品国产无码a片|一级av色欲av|91在线播放视频|亚洲无码主播在线|国产精品草久在线|明星AV网站在线|污污内射久久一区|婷婷综合视频网站

當(dāng)前位置:首頁(yè) > 智能硬件 > 人工智能AI
[導(dǎo)讀] 2006年Hinton發(fā)表了一篇革命性的論文“Hinton, G. E., Osindero, S. and Teh, Y.,A fast learning algorithmfor

2006年Hinton發(fā)表了一篇革命性的論文“Hinton, G. E., Osindero, S. and Teh, Y.,A fast learning algorithmfor deep belief nets.Neural ComputaTIon 18:1527-1554, 2006”,引領(lǐng)了DBN深度信念網(wǎng)絡(luò)的研究,并突破了深度學(xué)習(xí)的架構(gòu)。

DBN深度置信網(wǎng)絡(luò)是神經(jīng)網(wǎng)絡(luò)的一種,既可以用于非監(jiān)督學(xué)習(xí),類(lèi)似于一個(gè)Autoencoder自編碼機(jī);也可以用于監(jiān)督學(xué)習(xí),作為分類(lèi)器來(lái)使用。因此十分值得研究。

DBN深度置信網(wǎng)絡(luò)是一個(gè)概率生成模型,與傳統(tǒng)的判別模型的神經(jīng)網(wǎng)絡(luò)相對(duì),生成模型是建立一個(gè)觀察數(shù)據(jù)和標(biāo)簽之間的聯(lián)合分布,對(duì)P(ObservaTIon|Label)和 P(Label|ObservaTIon)都做了評(píng)估,而判別模型僅僅評(píng)估了后者P(Label|ObservaTIon)。

DBN算法概念:

DBN深度置信網(wǎng)絡(luò)(Deep BeliefNets)是一種生成模型,也是神經(jīng)網(wǎng)絡(luò)的一種,通過(guò)訓(xùn)練其神經(jīng)元間的權(quán)重,可以讓整個(gè)神經(jīng)網(wǎng)絡(luò)按照最大概率來(lái)生成訓(xùn)練數(shù)據(jù)。不僅可以使用DBN來(lái)識(shí)別特征、分類(lèi)數(shù)據(jù),還可以用它來(lái)生成數(shù)據(jù)。

DBN由多層神經(jīng)元構(gòu)成,這些神經(jīng)元又分為2種:顯性神經(jīng)元和隱性神經(jīng)元。顯性神經(jīng)元用于接收輸入,隱性神經(jīng)元用于提取特征,因此隱性神經(jīng)元也叫特征檢測(cè)器(Feature Detectors)。最頂上的兩層間的連接是無(wú)向的,組成聯(lián)合內(nèi)存(associative memory)。較低的其他層之間有連接上下的有向連接。最底層代表了數(shù)據(jù)向量(data vectors),每一個(gè)神經(jīng)元代表數(shù)據(jù)向量的一維。

DBN組成元件是RBM受限玻爾茲曼機(jī)。訓(xùn)練DBN的過(guò)程是一層一層地進(jìn)行的。在每一層中,用數(shù)據(jù)向量來(lái)推斷隱層,再把這一隱層當(dāng)作下一層 (高一層)的數(shù)據(jù)向量。

作為神經(jīng)網(wǎng)絡(luò),神經(jīng)元自然是其必不可少的組成部分。DBN由若干層神經(jīng)元構(gòu)成,組成元件是RBM受限玻爾茲曼機(jī),DBN網(wǎng)絡(luò)結(jié)構(gòu)限制為兩層:可視層和隱層,層與層之間存在連接,但層內(nèi)的單元間不存在連接,隱層單元被訓(xùn)練去捕捉在可視層表現(xiàn)出來(lái)的高階數(shù)據(jù)的相關(guān)性。具體DBN網(wǎng)絡(luò)結(jié)構(gòu)如下圖所示。

DBN算法本質(zhì):

從非監(jiān)督學(xué)習(xí)來(lái)講,其目的是盡可能地保留原始特征的特點(diǎn),同時(shí)降低特征的維度。從監(jiān)督學(xué)習(xí)來(lái)講,其目的在于使得分類(lèi)錯(cuò)誤率盡可能地小。而不論是監(jiān)督學(xué)習(xí)還是非監(jiān)督學(xué)習(xí),DBN算法本質(zhì)都是Feature Learning的過(guò)程,即如何得到更好的特征表達(dá)。

DBN訓(xùn)練過(guò)程:

DBN 是由多層 RBM 組成的一個(gè)神經(jīng)網(wǎng)絡(luò),它既可以被看作一個(gè)生成模型,也可以當(dāng)作判別模型,其訓(xùn)練過(guò)程是:使用非監(jiān)督貪婪逐層方法去預(yù)訓(xùn)練獲得權(quán)值。

DBN訓(xùn)練過(guò)程如下:

1)充分訓(xùn)練第一個(gè)RBM;

2)固定第一個(gè)RBM的權(quán)重和偏移量,然后使用其隱性神經(jīng)元的狀態(tài),作為第二個(gè)RBM的輸入向量;

3)充分訓(xùn)練第二個(gè)RBM后,將第二個(gè)RBM堆疊在第一個(gè)RBM的上方;

4)重復(fù)以上1)~3)任意多次;

5)如果訓(xùn)練集中的數(shù)據(jù)有標(biāo)簽,那么在頂層的RBM訓(xùn)練時(shí),這個(gè)RBM的顯層中除了顯性神經(jīng)元,還需要有代表分類(lèi)標(biāo)簽的神經(jīng)元,一起進(jìn)行訓(xùn)練;

6)DBN 訓(xùn)練完成。

最終訓(xùn)練成的生成模型如下圖所示:

用公式表示為:

概括的說(shuō),將若干個(gè)RBM“串聯(lián)”起來(lái)則構(gòu)成了一個(gè)DBN。上一個(gè)RBM的隱層即為下一個(gè)RBM的顯層,上一個(gè)RBM的輸出即為下一個(gè)RBM的輸入。訓(xùn)練過(guò)程中,需要充分訓(xùn)練上一層的RBM后才能訓(xùn)練當(dāng)前層的RBM,直至最后一層。

注:隱層激活單元和可視層輸入之間的相關(guān)性差別就作為權(quán)值更新的主要依據(jù)。

DBN訓(xùn)練過(guò)程非常重要,這種逐層疊加RBM的方式叫做Greedy Layer-Wise Training,它是最開(kāi)始提出深度學(xué)習(xí)時(shí)候的核心!

DBN調(diào)優(yōu)過(guò)程:

DBN生成模型使用ContrastiveWake-Sleep算法進(jìn)行調(diào)優(yōu),其算法調(diào)優(yōu)過(guò)程是:

1) 除了頂層 RBM,其他層RBM的權(quán)重被分成向上的認(rèn)知權(quán)重和向下的生成權(quán)重;

2)Wake階段(認(rèn)知過(guò)程):通過(guò)外界的特征和向上的權(quán)重 (認(rèn)知權(quán)重)產(chǎn)生每一層的抽象表示(結(jié)點(diǎn)狀態(tài)) ,并且使用梯度下降修改層間的下行權(quán)重 (生成權(quán)重) 。

3)Sleep 階段(生成過(guò)程):通過(guò)頂層表示和向下權(quán)重,生成底層的狀態(tài),同時(shí)修改層間向上的權(quán)重。

DBN使用過(guò)程:

1)使用隨機(jī)隱性神經(jīng)元狀態(tài)值,在頂層 RBM 中進(jìn)行足夠多次的Gibbs吉布斯抽樣;

2)向下傳播,得到每層的狀態(tài)。

DBN算法優(yōu)點(diǎn):

1)靈活性好;

2)擴(kuò)展容易;

3)性能較好;

4)并行計(jì)算;

5)相比前向神經(jīng)網(wǎng)絡(luò),訓(xùn)練較快,收斂時(shí)間較少。

DBN算法缺點(diǎn):

1)只能是一維的數(shù)據(jù);

2)需要為訓(xùn)練提供一個(gè)有標(biāo)簽的樣本集;

3)學(xué)習(xí)過(guò)程較慢;

4)不適當(dāng)?shù)膮?shù)選擇會(huì)導(dǎo)致收斂于局部最優(yōu)解;

5)沒(méi)有明確地處理對(duì)觀察變量時(shí)間聯(lián)系的學(xué)習(xí)。

注:擴(kuò)展的CDBNs(卷積DBNs) 考慮到2維數(shù)據(jù)結(jié)構(gòu)。

DBN算法應(yīng)用:

很多的情況下,DBN是作為無(wú)監(jiān)督學(xué)習(xí)框架來(lái)使用的,它的應(yīng)用范圍較廣,擴(kuò)展性也強(qiáng),可應(yīng)用于機(jī)器學(xué)習(xí)之手寫(xiě)字識(shí)別、語(yǔ)音識(shí)別和圖像處理等領(lǐng)域。且在語(yǔ)音識(shí)別中取得了很好的效果。

語(yǔ)音識(shí)別:微軟研究人員通過(guò)與hinton合作,首先將RBM和DBN引入到語(yǔ)音識(shí)別聲學(xué)模型訓(xùn)練中,并且在大詞匯量語(yǔ)音識(shí)別系統(tǒng)中獲得巨大成功,使得語(yǔ)音識(shí)別的錯(cuò)誤率相對(duì)減低30%。

結(jié)語(yǔ):

DBN算法是機(jī)器學(xué)習(xí)之神經(jīng)網(wǎng)絡(luò)的一種,既可以用于非監(jiān)督學(xué)習(xí),也可以用于監(jiān)督學(xué)習(xí),值得深入研究。DBN是一個(gè)概率生成模型,與傳統(tǒng)的判別模型的神經(jīng)網(wǎng)絡(luò)相對(duì),生成模型是建立一個(gè)觀察數(shù)據(jù)和標(biāo)簽之間的聯(lián)合分布。通過(guò)訓(xùn)練其神經(jīng)元間的權(quán)重,可以讓整個(gè)神經(jīng)網(wǎng)絡(luò)按照最大概率來(lái)生成訓(xùn)練數(shù)據(jù)。不僅可以使用DBN來(lái)識(shí)別特征、分類(lèi)數(shù)據(jù),還可以用它來(lái)生成數(shù)據(jù)。DBN算法是一種非常實(shí)用的學(xué)習(xí)算法,應(yīng)用范圍較廣,擴(kuò)展性也強(qiáng),可應(yīng)用于機(jī)器學(xué)習(xí)之手寫(xiě)字識(shí)別、語(yǔ)音識(shí)別和圖像處理等領(lǐng)域。

本站聲明: 本文章由作者或相關(guān)機(jī)構(gòu)授權(quán)發(fā)布,目的在于傳遞更多信息,并不代表本站贊同其觀點(diǎn),本站亦不保證或承諾內(nèi)容真實(shí)性等。需要轉(zhuǎn)載請(qǐng)聯(lián)系該專(zhuān)欄作者,如若文章內(nèi)容侵犯您的權(quán)益,請(qǐng)及時(shí)聯(lián)系本站刪除。
換一批
延伸閱讀

9月2日消息,不造車(chē)的華為或?qū)⒋呱龈蟮莫?dú)角獸公司,隨著阿維塔和賽力斯的入局,華為引望愈發(fā)顯得引人矚目。

關(guān)鍵字: 阿維塔 塞力斯 華為

倫敦2024年8月29日 /美通社/ -- 英國(guó)汽車(chē)技術(shù)公司SODA.Auto推出其旗艦產(chǎn)品SODA V,這是全球首款涵蓋汽車(chē)工程師從創(chuàng)意到認(rèn)證的所有需求的工具,可用于創(chuàng)建軟件定義汽車(chē)。 SODA V工具的開(kāi)發(fā)耗時(shí)1.5...

關(guān)鍵字: 汽車(chē) 人工智能 智能驅(qū)動(dòng) BSP

北京2024年8月28日 /美通社/ -- 越來(lái)越多用戶(hù)希望企業(yè)業(yè)務(wù)能7×24不間斷運(yùn)行,同時(shí)企業(yè)卻面臨越來(lái)越多業(yè)務(wù)中斷的風(fēng)險(xiǎn),如企業(yè)系統(tǒng)復(fù)雜性的增加,頻繁的功能更新和發(fā)布等。如何確保業(yè)務(wù)連續(xù)性,提升韌性,成...

關(guān)鍵字: 亞馬遜 解密 控制平面 BSP

8月30日消息,據(jù)媒體報(bào)道,騰訊和網(wǎng)易近期正在縮減他們對(duì)日本游戲市場(chǎng)的投資。

關(guān)鍵字: 騰訊 編碼器 CPU

8月28日消息,今天上午,2024中國(guó)國(guó)際大數(shù)據(jù)產(chǎn)業(yè)博覽會(huì)開(kāi)幕式在貴陽(yáng)舉行,華為董事、質(zhì)量流程IT總裁陶景文發(fā)表了演講。

關(guān)鍵字: 華為 12nm EDA 半導(dǎo)體

8月28日消息,在2024中國(guó)國(guó)際大數(shù)據(jù)產(chǎn)業(yè)博覽會(huì)上,華為常務(wù)董事、華為云CEO張平安發(fā)表演講稱(chēng),數(shù)字世界的話語(yǔ)權(quán)最終是由生態(tài)的繁榮決定的。

關(guān)鍵字: 華為 12nm 手機(jī) 衛(wèi)星通信

要點(diǎn): 有效應(yīng)對(duì)環(huán)境變化,經(jīng)營(yíng)業(yè)績(jī)穩(wěn)中有升 落實(shí)提質(zhì)增效舉措,毛利潤(rùn)率延續(xù)升勢(shì) 戰(zhàn)略布局成效顯著,戰(zhàn)新業(yè)務(wù)引領(lǐng)增長(zhǎng) 以科技創(chuàng)新為引領(lǐng),提升企業(yè)核心競(jìng)爭(zhēng)力 堅(jiān)持高質(zhì)量發(fā)展策略,塑強(qiáng)核心競(jìng)爭(zhēng)優(yōu)勢(shì)...

關(guān)鍵字: 通信 BSP 電信運(yùn)營(yíng)商 數(shù)字經(jīng)濟(jì)

北京2024年8月27日 /美通社/ -- 8月21日,由中央廣播電視總臺(tái)與中國(guó)電影電視技術(shù)學(xué)會(huì)聯(lián)合牽頭組建的NVI技術(shù)創(chuàng)新聯(lián)盟在BIRTV2024超高清全產(chǎn)業(yè)鏈發(fā)展研討會(huì)上宣布正式成立。 活動(dòng)現(xiàn)場(chǎng) NVI技術(shù)創(chuàng)新聯(lián)...

關(guān)鍵字: VI 傳輸協(xié)議 音頻 BSP

北京2024年8月27日 /美通社/ -- 在8月23日舉辦的2024年長(zhǎng)三角生態(tài)綠色一體化發(fā)展示范區(qū)聯(lián)合招商會(huì)上,軟通動(dòng)力信息技術(shù)(集團(tuán))股份有限公司(以下簡(jiǎn)稱(chēng)"軟通動(dòng)力")與長(zhǎng)三角投資(上海)有限...

關(guān)鍵字: BSP 信息技術(shù)
關(guān)閉
關(guān)閉