[英]The Free energy approximation Equation in Restriction Boltzmann Machines
根據deeplearning教程 :
python中的自由能量是
def free_energy(self, v_sample):
''' Function to compute the free energy '''
wx_b = T.dot(v_sample, self.W) + self.hbias
vbias_term = T.dot(v_sample, self.vbias)
hidden_term = T.sum(T.log(1 + T.exp(wx_b)), axis=1)
return -hidden_term - vbias_term
我不是很擅長python,基本上它將每個可見單元的產品專家作為向量wx_b,計算exp和加1,計算log並將其與隱藏項相加。
我認為這與學習深度架構中的自由能方程略有不同:
FreeEnergy(x)= -b'x - ΣlogΣe^ hi(ci + Wix)。
哪里:
hi
是單位i
隱藏層, ci
是i
在矢量c隱藏偏壓。 它計算exp和sum,計算log值對和值的影響。 畢竟根據可見單位的數量總結所有產品專家。
上面的等式是來自Learning Deep Architectures for AI(Yoshua Bengio)的eq.5.21
下面是我的java實現草案,vis_v是可見層樣本,hid_v是隱藏層單元樣本。
private double freeEnergy(RealVector vis_v, RealVector hid_v){
RealVector wx_hb= W.preMultiply(vis_v).add(hBias);
double vbias_term= vis_v.dotProduct(vBias);
double sum_hidden_term = 0;
for(int i=0;i< wx_hb.getDimension();i++){
RealVector vis_expert = hid_v.mapMultiply(wx_hb.getEntry(i));
double hidden_term= StatUtils.sum(vis_expert.map(new Exp()).toArray());
sum_hidden_term+=Math.log(hidden_term);
}
return -sum_hidden_term-vbias_term;
}
這是某種近似嗎? 我試圖在java中實現相同的東西,但我對此感到困惑。 在此先感謝您的幫助!
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.