使用RBM实现深度自编码器

我正在使用RBM实现深度自编码器。我了解到,为了展开网络,我们需要使用编码器的转置权重作为解码器的权重。但我不确定解码器应该使用哪些偏置。如果有人能详细解释一下或者发送给我一个伪代码的链接,我将不胜感激。


回答:

我相信Geoff Hinton在他的网站上公开了他所有的源代码。他是这种技术RBM版本的首选专家。

基本上,如果你有一个输入矩阵M1,尺寸为10000 x 100,其中10000是你拥有的样本数量,100是特征数量,你想将其转换到50维空间,你将训练一个受限玻尔兹曼机,其权重矩阵的尺寸为101 x 50,额外的一行为始终开启的偏置单元。在解码端,你将取你的101 x 50矩阵,去掉偏置的额外行,使其成为100 x 50矩阵,然后将其转置为50 x 100,再添加一行为偏置单元,使其成为51 x 100。你可以然后通过反向传播运行整个网络来训练整个网络的权重。

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注