斯特凡诺·卡拉扎;丹尼尔·克雷弗 Riemann-theta Boltzmann机器采样。 (英语) Zbl 1525.62020号 计算。物理学。Commun公司。 256,文章ID 107464,第7页(2020年). 小结:我们表明,黎曼-塔塔-玻尔兹曼机器的可见扇区概率密度函数对应于由无穷多个分量多元高斯组成的高斯混合模型。混合物的权重由隐藏状态空间上的离散多变量高斯函数给出。这使得我们可以直接对可见扇区密度函数进行采样。此外,我们还证明了可见扇区概率密度函数具有仿射变换性质,类似于多元高斯密度。 引用于2文件 MSC公司: 62克07 密度估算 60-08 概率论相关问题的计算方法 62H30型 分类和区分;聚类分析(统计方面) 68T07型 人工神经网络与深度学习 关键词:波尔兹曼机器;神经网络;Riemann-theta函数;密度估计 软件:github PDF格式BibTeX公司 XML格式引用 \textit{S.Carrazza}和\textit{D.Krefl},计算。物理学。Commun公司。256,文章ID 107464,7 p.(2020;Zbl 1525.62020) 全文: DOI程序 arXiv公司 参考文献: [1] 古德费罗,I。;Pouget-Abadie,J。;米尔扎,M。;徐,B。;Warde-Farley,D。;Ozair,S。;科尔维尔,A。;Bengio,Y.,《高级神经信息处理》。系统。,27, 2672-2680 (2014) [2] D.P.Kingma,M.Welling,自动编码变分贝叶斯,arXiv:1312.6114[stat.ML]·Zbl 1431.68002号 [3] D.J.Rezende,S.Mohamed,D.Wierstra,深度生成模型中的随机反向传播和近似推断,arXiv:1401.4082[stat.ML]。 [4] D.J.Rezende,S.Mohamed,带归一化流的变分推理,arXiv:1505.05770[stat.ML]。 [5] Ackley,D.H。;辛顿,G.E。;Sejnowski,T.J.,康涅狄格州。科学。,9, 1, 147-169 (1985) [6] D.Krefl、S.Carrazza、B.Haghiat、J.Kahlen、Riemann-Theta Boltzmann Machine、,http://dx.doi.org/10.1016/j.neucom.2020.011.011arXiv:1712.07581[统计ML]。 [7] Mumford,D.,塔塔关于Theta I的讲座(1983年),Birkhauser:Birkhauser波士顿·Zbl 0509.14049号 [8] Deconick,B。;海尔,M。;Bobenko,A。;Van Hoeij,M。;Schmies,M.,数学。公司。,73, 247, 1417-1442 (2003) ·Zbl 1092.33018号 [9] Gentry,C。;Vaikuntanathan,V。;Peikert,C.,《如何使用短基:硬格的陷阱门和新密码构造》(2008) [10] 北卡罗来纳州德瓦拉卡纳。;Galbraith,S.D.,AAECC,25159(2014)·Zbl 1372.94425号 [11] D.Aggarwal,D.Dadush,O.Regev,N.Stephens-Davidowitz,通过离散高斯采样解决2n时间内最短向量问题,arXiv:1412.7994[cs.DS]·Zbl 1321.68426号 [12] Lenstra,A.K。;Lenstra,H.W。;Lovász,L.,数学。《年鉴》,261515(1982)·Zbl 0488.12001号 [13] S.Carrazza,D.Krefl,Theta:基于Riemann-Theta函数的机器学习的python库,AGPLv3许可证,doi:10.5281/zenodo.1120325http://riemann.ai/theta。 [14] Hansen,N。;Ostermier,A.,进化。计算。,2, 159-195 (2001) [15] Melchior,J。;Wang,N。;Wiskott,L.,《PLOS ONE》(2017年) [16] Melchior,J.,PyDeep Github(2017),https://github.com/MelJan/PyDeep.git 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。