实体
Boltzmann Machines
Boltzmann Machines
PulseAugur coverage of Boltzmann Machines — every cluster mentioning Boltzmann Machines across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
深度信念网络模拟临界条件下的社会系统
研究人员探索了玻尔兹曼机（特别是深度信念网络 DBN）在模拟临界条件下多数规则社会系统的生成能力。该研究在第一层使用了非二元单元的 DBN，并采用了一种“梦境”过程，其中固定的可见单元使网络生成样本。这种方法允许测量与原始系统的偏差，并证实即使在输入噪声的情况下，重构的样本也保持了临界状态。
-
新生成模型研究探讨潜在因子不确定性
一篇新论文探讨了生成模型中潜在因子不确定性的根本问题，并将其与Helmholtz机和变分自编码器等概念联系起来。研究表明，这种不确定性（即因果潜在来源不确定且不唯一）对数据表示具有重大影响。作者提出，随着特征维度增长到无穷大，可以实现潜在因子的确定性，从而为高维数据提供表示学习的途径。
-
研究人员在Boltzmann机与量子物理路径积分之间建立联系
本文将机器学习中使用的Boltzmann机与量子物理中的Feynman路径积分进行了类比。作者提出，神经网络中的隐藏层可以被视为Feynman路径积分形式论中路径元素的离散版本。这种联系使得开发适用于Boltzmann机和Feynman路径积分的通用量子电路模型成为可能，并通过将可解释的隐藏层与逆量子散射问题相关联，提供了一种定义它们的方法。