主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2018-2019年专刊出版计划 微信服务介绍 最新一期:2019年第9期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
张健,丁世飞,张楠,杜鹏,杜威,于文家.受限玻尔兹曼机研究综述.软件学报,2019,30(7):2073-2090
受限玻尔兹曼机研究综述
Restricted Boltzmann Machines: A Review
投稿时间:2018-08-20  修订日期:2018-12-27
DOI:10.13328/j.cnki.jos.005840
中文关键词:  受限制的玻尔兹曼机  神经网络  概率图模型  深度学习
英文关键词:restricted Boltzmann machine  neural net  probabilistic undirected graph  deep learning
基金项目:国家自然科学基金(61672522,61379101);国家重点基础研究发展计划(973)(2013CB329502);江苏省研究生科研与实践创新计划(KYCX19_2166);中国矿业大学研究生科研与实践创新计划(KYCX19_2166)
作者单位E-mail
张健 中国矿业大学 计算机科学与技术学院, 江苏 徐州 221116
矿山数字化教育部工程研究中心, 江苏 徐州 221116 
 
丁世飞 中国矿业大学 计算机科学与技术学院, 江苏 徐州 221116
矿山数字化教育部工程研究中心, 江苏 徐州 221116
中国科学院 计算技术研究所 智能信息处理重点实验室, 北京 100190 
dingsf@cumt.edu.cn 
张楠 中国矿业大学 计算机科学与技术学院, 江苏 徐州 221116
矿山数字化教育部工程研究中心, 江苏 徐州 221116 
 
杜鹏 中国矿业大学 计算机科学与技术学院, 江苏 徐州 221116
矿山数字化教育部工程研究中心, 江苏 徐州 221116 
 
杜威 中国矿业大学 计算机科学与技术学院, 江苏 徐州 221116
矿山数字化教育部工程研究中心, 江苏 徐州 221116 
 
于文家 中国矿业大学 计算机科学与技术学院, 江苏 徐州 221116
矿山数字化教育部工程研究中心, 江苏 徐州 221116 
 
摘要点击次数: 544
全文下载次数: 404
中文摘要:
      概率图模型是目前机器学习研究的热点,基于概率图模型构造的生成模型已广泛应用于图像和语音处理等领域.受限玻尔兹曼机(restricted Boltzmann machines,简称RBMs)是一种概率无向图,在建模数据分布方面有重要的研究价值,RBMs既可以结合卷积算子构造深度判别模型,为深度网络提供统计力学的理论支持,也可以结合有向图构建生成模型,提供具有多峰分布的先验信息.主要综述了以RBMs为基础的概率图模型的相关研究.首先介绍了基于RBMs的机器学习模型的基本概念和训练算法,并讨论了基于极大似然估计的各训练算法的联系,比较了各算法的log似然损失;其次,综述了RBMs模型最新的研究进展,包括在目标函数中引入对抗损失和W距离,并构造基于RBMs先验的变分自编码模型(variational autoencoders,简称VAEs)、基于对抗损失的RBMs模型,并讨论了各实值RBMs模型之间的联系和区别;最后,综述了以RBMs为基础的模型在深度学习中的应用,并讨论了神经网络和RBMs模型在研究中存在的问题及未来的研究方向.
英文摘要:
      The Probabilistic graph is a research hotspot in machine learning at present. Generative models based on probabilistic graphs model have been widely used in image generation and speech processing. The restricted Boltzmann machines (RBMs) is a probabilistic undirected graph, which has important research value in modeling data distribution. On the one hand, the RBMs model can be used to construct deep neural network, and on the other hand, it can provide statistical support of deep nets. This paper mainly summarizes the related research of RBMs based probability graph model and their applications in image recognition. Firstly, this paper introduces the basic concepts and training algorithms of RBMs. Secondly, this paper summarizes the applications of RBMs in deep learning; and then, this paper discusses existing problems in research of neural nets and RBMs. Finally, this paper gives a summary and prospect of the research on the RBMs.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利