RBL의 pyLearn2 (Machine Learning 라이브러리) 예제에서이 설명서를 제공했습니다. 누군가가 왜 더 쉬운 지 말해 줄 수 있습니까?Restricted Boltzman Machine에서 8x8 패치를 추출하는 이유는 무엇입니까?
# First we want to pull out small patches of the images, since it's easier
# to train an RBM on these
pipeline.items.append(
preprocessing.ExtractPatches(patch_shape=(8, 8), num_patches=150000)
)
RBM에 대한 정보가 부족한 분이라면 저와 함께하시기 바랍니다. 전체 코드는 this link
을 참조하십시오. 간단히 말해서 어떤 알고리즘과 마찬가지로 더 큰 입력 번호로 복잡성이 증가합니다. 문제를 더 작은 하위 문제로 나누고 이후에 이들을 결합하는 것이 더 빨리 증명 될 수 있습니다 (분할 및 정복 알고리즘이라고 함).
이제 이러한 유형의 기계 학습 알고리즘을 사용하면 기능에서 추상화가 추가로 필요합니다. 당신은 한 번에 모든 단일 픽셀을 입력하고 싶지 않고 (로컬 정보 만 가지고 있음), 전체 이미지를 하나의 숫자/기호 (전체 정보 만 가지고 있음)로 나타내기를 원할 수도 없습니다. 여러 가지 접근법은 이러한 종류의 데이터를 계층 적 표현 (주로 딥 학습이라고 함)으로 결합합니다.
이러한 두 가지 개념을 결합하면 작은 이미지 패치를 처리 할 때 더 많은 양의 로컬 정보가 제공되어 나중에 결합하여 이후의 글로벌 정보로 추론 할 수 있다는 것이 분명해야합니다. 그래서 "쉽기 때문에"그것의 배후에있는 완전한 추론은 아닙니다. 또한 모든 것이 더 정확하게 수행됩니다.
이 질문이 너무 애매하지 않고 (철저한 대답이 너무 길어질 것입니다.) 희망이 있습니다. RBM에 대한 자세한 소개는 다음을 참조하십시오. 7 장에 관한이 page