of Markov Chain Monte Carlo Method
作者： 丁毅涛[1];胡俊英[2]
作者机构： [1]西京学院理学院,西安710123;[2]西安交通大学数学与统计学院,西安710049出版物刊名： 统计与决策页码： 18-22页
年卷期： 2020年 第10期
主题词： 受限玻尔兹曼机;马尔可夫链蒙特卡罗;对数似然;条件概率分布
摘要：文章给出了一种训练受限玻尔兹曼机(RBM)的有效方法。提出基于辅助变量的马尔可夫链蒙特卡罗方法(MCMC),利用Swendsen-Wang(SW)算法构造辅助变量与感兴趣变量之间的条件概率,进而得到混合率更高的Gibbs链,从而使其更好地逼近对数似然梯度。最后,通过数据实验给出辅助变量MCMC的抽样效果和RBM模型在数据集下的对数似然,证实基于辅助变量的MCMC方法在学习RBM方面有良好效果。
因篇幅问题不能全部显示，请点此查看更多更全内容