Divergência Contrastiva: Compreendendo o Treinamento de RBM

Este artigo explica claramente o algoritmo de divergência contrastiva para o treinamento de Máquinas de Boltzmann Restritas (RBMs). Definindo a função de energia e a distribuição conjunta, ele deriva a regra de atualização de peso e explica o papel da amostragem de Gibbs nas fases positiva e negativa. Por fim, mostra como a diferença entre as expectativas de dados e modelo é usada para ajustar os pesos e vieses do RBM, minimizando a energia dos dados de treinamento.