我正在研究用于图像分类的 RBM(用于 DBN)。我使用两个 RBM 层。第一个具有高斯可见单元和二进制隐藏单元,第二个具有二进制可见单元和 softmax 隐藏单元。它运作得很好。我现在想尝试使用噪声校正线性单元作为隐藏层,但我无法理解如何实现它们。我所尝试的一切都导致了可怕的结果。
现在,如果我理解正确的话:ReLU 的激活概率就是 p = max(0, x + N(0, 1)),但是如何对值进行采样以激活可见单元?噪声是否应该仅用于采样而不用于激活概率?
另一件事:在一些论文中我看到噪声是 N(0,1),而其他一些论文则使用 N(0,sigmoid(x))。
那么,激活函数应该是什么以及如何对值进行采样?
最佳答案
显然:
使用 max(0, x)
作为激活概率函数并使用 max(0, x + N(0, Sigmoid(x))
进行采样似乎可行对于 RBM。
关于machine-learning - 具有 NRLU 隐藏单元的高斯 RBM(在德类)?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/24149765/