玻茲曼機
玻茲曼機(粵拼:bo1 zi1 maan6 gei1;英文:Boltzmann machine)係一種隨機性遞迴神經網絡(stochastic recurrent neural network)。一部玻茲曼機啲細胞之間有對稱性連繫,而每一粒細胞都會用帶有隨機性嘅演算法決定係咪要啟動[1][2]。即係話[3]:
- [註 1];
- ;
當中 係第 粒神經細胞收到嘅輸入值; 係偏向(bias;細胞 本身嘅啟動偏向); 係第啲細胞當中第 粒嘅狀態(數值只可以係 1 或者 0),而 係由細胞 去細胞 嘅權重。 係指「(細胞 嘅狀態)等如 1 嘅機會率」,而根據 , 數值取決於 [1]。
有唔少理論性嘅認知科學(cognitive science)研究者都對玻茲曼機嘅行為同特性感興趣:玻茲曼機嘅訓練演算法通常會跟從海伯定律(Hebb's rule)-簡單講就係邊對細胞愈傾向同時啟動,兩者之間嘅權重就會愈強,而且玻茲曼機並唔似得一般人工神經網絡噉吓吓都分層;呢啲特性令到玻茲曼機(同一般嘅人工神經網絡比)更加似生物神經網絡,所以有唔少認知科學會用玻茲曼機嚟模擬心靈相關嘅現象(睇埋聯結主義),進行理論性嘅研究[4]。
另一方面,玻茲曼機都有實用價值:雖然啲人對玻茲曼機嘅興趣好多時集中於玻茲曼機嘅理論特性,但機械學習(machine learning)上嘅研究說明咗,只要有適當嘅訓練演算法,玻茲曼機亦都有可以有足夠嘅效率,有可能攞嚟做某啲實際嘅應用[5][6]。
結構
編輯- ;
-是但搵部玻茲曼機入面嘅一粒細胞 ,佢嘅輸入值( )由佢嘅偏向值( ;可以喺初始化嗰陣設做隨機數值)以及第啲細胞( )嘅狀態話事。
- ;
-嗰粒細胞跟住落嚟狀態變成「啟動」( 變成 1)嘅機會率( )係個輸入值( )嘅函數。
- ;
-設 做代表嗰個網絡喺某一時間點嘅狀態嘅向量[註 2],而 係指細胞 喺 之下嘅狀態。 所具有嘅「能量」(energy; )就等如條式右手邊嗰個數。
- ;
-如果個網絡啲細胞係噉以任何次序更新,而次序唔受佢哋嘅總輸入影響,個網絡最終會達致一個平衡情況(equilibrium;可以睇埋玻茲曼分佈);喺呢個情況當中,任何一個可能嘅狀態向量 , 出現嘅機會率由「 嘅能量」同「所有其他可能狀態向量( )嘅能量嘅總和」呢兩個數之間嘅比例話事[3]。
註釋
編輯睇埋
編輯參考文獻
編輯- Hinton, G. E.; Sejnowski, T. J. (1986). D. E. Rumelhart; J. L. McClelland (eds.). "Learning and Relearning in Boltzmann Machines" (PDF). Parallel Distributed Processing: Explorations in the Microstructure of Cognition. Volume 1: Foundations: 282–317. Archived from the original (PDF) on 2010-07-05.
- Hinton, G. E. (2002). "Training Products of Experts by Minimizing Contrastive Divergence" (PDF). Neural Computation. 14 (8): 1771–1800. CiteSeerX 10.1.1.35.8613. doi:10.1162/089976602760128018. PMID 12180402.
- Hinton, G. E.; Osindero, S.; Teh, Y. (2006). "A fast learning algorithm for deep belief nets" (PDF). Neural Computation. 18 (7): 1527–1554. CiteSeerX 10.1.1.76.1541. doi:10.1162/neco.2006.18.7.1527. PMID 16764513.
攷
編輯- ↑ 1.0 1.1 1.2 Ackley, David H; Hinton Geoffrey E; Sejnowski, Terrence J (1985), "A learning algorithm for Boltzmann machines" (PDF), Cognitive Science, 9 (1): 147–169,
- ↑ Boltzmann Machines (PDF).
- ↑ 3.0 3.1 3.2 Boltzmann machine. Scholarpedia.
- ↑ Aarts, E. H., & Korst, J. H. (1989). Boltzmann machines for travelling salesman problems[失咗效嘅鏈] (PDF). European Journal of Operational Research, 39(1), 79-95.
- ↑ Hjelm, R. D., Calhoun, V. D., Salakhutdinov, R., Allen, E. A., Adali, T., & Plis, S. M. (2014). Restricted Boltzmann machines for neuroimaging: an application in identifying intrinsic networks. NeuroImage, 96, 245-260.
- ↑ Sui, C., Bennamoun, M., & Togneri, R. (2015). Listening with your eyes: Towards a practical visual speech recognition system using deep boltzmann machines (PDF). In Proceedings of the IEEE International Conference on Computer Vision (pp. 154-162).