背景:

我正在实现高斯伯努利限制玻尔兹曼机，它与常见的限制玻尔兹曼机类似，但具有实值可见单元。

确实，采样隐藏值 p(h=1|v) 的过程是相同的，即

问题:

我的问题在于如何用Python编写 p(v|h)，即

我对 N() 的工作原理有点困惑。我是否应该简单地使用数据的标准差向 b + sigma * W.dot(h) 添加高斯噪声？

提前感谢您。

回答：

符号 X ~ N(μ, σ²) 表示 X 服从均值为 μ 和方差为 σ² 的正态分布，因此在限制玻尔兹曼机的训练过程中，v 应该从这样的分布中采样。在NumPy中，这表示为

v = sigma * np.random.randn(v_size) + b + sigma * W.dot(h)

或者使用 scipy.stats.norm 来编写更易读的代码。