基于辅助变量马尔可夫链蒙特卡罗方法的RBM学习算法

作者：丁毅涛; 胡俊英

来源：统计与决策, 2020, 36(10): 18-22.

DOI：10.13546/j.cnki.tjyjc.2020.10.003

• 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

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。

• 单位
  西京学院; 西安交通大学