Kontrastive Divergenz: Verständnis des RBM-Trainings
2025-05-15
Dieser Artikel erklärt klar den Algorithmus der kontrastiven Divergenz zum Trainieren von Restricted Boltzmann Machines (RBMs). Durch die Definition der Energiefunktion und der gemeinsamen Verteilung leitet er die Gewichtsaktualisierungsregel ab und erklärt die Rolle des Gibbs-Samplings in den positiven und negativen Phasen. Letztendlich zeigt er, wie die Differenz zwischen Daten- und Modelerwartungen verwendet wird, um die Gewichte und Verzerrungen des RBM anzupassen und so die Energie der Trainingsdaten zu minimieren.
Mehr lesen