지난 며칠 동안 나는 제한된 볼츠만 기계 및 심층 학습에 대해 읽고 읽고 공부하고 있습니다. 이제 깊은 학습 능력을 테스트하기 위해 자바 코드를 찾고 있습니다. Google에서 오랫동안 검색했지만 만족스러운 구현을 얻지 못했습니다. 예를 들어 , 나는 제한 볼츠만 기계에 대한 다음과 같은 자바 라이브러리 발견 http://jarbm.sourceforge.n
저는 이미지 분류를 위해 RBM (DBN 용) 작업을하고 있습니다. 두 개의 RBM 레이어로 작업하고 있습니다. 첫 번째는 가우시안 가시 단위와 이진 숨겨진 단위를 가지며 두 번째는 이진 가시 단위와 softmax 숨겨진 단위를가집니다. 그것은 아주 잘 작동합니다. 지금은 노이즈 선형 선형 유닛을 숨겨진 레이어로 사용하려고하지만이를 구현하는 방법을 이해하지
가우시안 RBM을 구현하고 싶습니다. 데이터의 평균과 단위 분산을 0으로 만들고 싶습니다. 데이터는 MNIST 데이터 세트입니다. 다음 링크에서 데이터 세트를 가져 와서 따라갔습니다. http://www.cs.toronto.edu/~hinton/code/makebatches.m 구경 정도로 내 데이터 NAN.It 표준 편차 데이터를 분할 한 후 NAN된다가
간단한 바이너리 제한된 볼츠만 머신 구현을 개발했으며 지금은 테스트하고 싶습니다. (궁극적으로 나는 그것을 DBN을 위해 사용할 것이지만, 나는 독립적으로 테스트하고 싶다). 여러 사람들과 논문이 MNIST 데이터 세트를 테스트하는 것에 대해 이야기했지만, 어떻게해야하는지에 대해서는 자세히 알지 못했습니다. 숨겨진 유닛에 연결된 새로운 분류 레이어를 추가
RBM을 사용하여 딥 오토 엔코더를 구현 중입니다. 네트워크 전개를 위해 디코더 용 인코더의 전치 가중치를 사용해야 함을 이해합니다. 하지만 우리가 디코더에 어떤 편향을 사용해야하는지 잘 모르겠습니다. 누구든지 나를 위해 그것을 정교하거나 pseudocode에 대한 링크를 보내 주시면 고맙습니다.
나는 많은 양의 고차원 데이터로 구성된 각 요소가있는 매우 큰 코퍼스를 가지고 있습니다. 요소는 지속적으로 코퍼스에 추가됩니다. 잠재적으로 각 상호 작용에 대해 코퍼스의 일부만을 고려해야합니다. 요소는 잠재적으로 여러 레이블 및 해당 레이블의 강도와 관련된 가중치로 레이블이 지정됩니다. 데이터는 내가 이해하는 한 희박하지 않습니다. 입력 데이터는 주변 (1