受限玻尔兹曼机 - 维基百科
受限玻尔兹曼机维基百科,自由的百科全书跳到导航跳到搜索包含三个可见单元和四个隐单元的受限玻兹曼机示意图(不包含偏置节点)受限玻尔兹曼机(英语:restrictedBoltzmannmachine,RBM)是一种可通过输入数据集学习概率分布的随机生成神经网络。RBM最初由发明者保罗·斯模棱斯基(英语:)于1986年命名为簧风琴(Harmonium)[1],但直到杰弗里·辛顿及其合作者在2000年代中叶发明快速学习算法后,受限玻兹曼机才变得知名。受限玻兹曼机在降维[2]、分类[3]、协同过滤[4]、
最近的文章

Softmax函数 - 维基百科

逻辑回归-维基百科ol.references{counter-reset:mw-ref-extends-parentlist-item}ol.references>li{counter-increment:mw-ref-extends-parent;counter-reset:mw-ref-extends-child}sup.reference{unicode-bidi:-moz-isolate;unicode-bidi:-webkit-isolate;unicode-bidi:i...…

Softmax继续阅读
更早的文章

提升方法-维基百科

提升方法维基百科,自由的百科全书跳到导航跳到搜索提升方法(Boosting),是一种可以用来减小监督式学习中偏差的机器学习算法。面对的问题是迈可·肯斯(MichaelKearns)提出的:[1]一组“弱学习者”的集合能否生成一个“强学习者”?弱学习者一般是指一个分类器,它的结果只比随机分类好一点点;强学习者指分类器的结果非常接近真值。目录1提升算法2批评3相关条目4实现5参考文献5.1脚注5.2其他参考资料6外部链接提升算法大多数提升算法包括由迭代使用弱学习分类器组成,并将其结果加入一个最终的成…

提升方法 Boosting继续阅读