×

利用自适应TAP平均场理论进行概率数据建模。 (英语) 兹比尔1022.68606

摘要:对于单层神经网络,我们演示了无序物理TAP平均场方法的扩展如何应用于实际数据概率模型中近似平均值的计算。

MSC公司:

68T05型 人工智能中的学习和自适应系统
2008年8月 量子理论相关问题的计算方法
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Thouless,D.J。;安德森,P.W。;帕尔默,R.G.,菲洛斯。Mag.,35,593(1977)
[2] Sherrington,D。;Kirkpatrick,K.,《物理学》。修订稿。,35, 1792 (1975)
[3] Mézard,M.和J.Phys。A、 222181(1989)
[4] Wong,K.Y.M.,欧罗皮斯。莱特。,30, 245 (1995)
[5] 奥珀,M。;O.Winther和Phys。修订稿。,76, 1964 (1996)
[6] Kappen,H.J。;罗德·盖兹,F.B.,《神经计算》。,10, 1137 (1998)
[7] 田中,T.,Phys。E版,582302(1998)
[8] Kabashima,Y。;Saad,D.,欧洲物理。莱特。,44, 668 (1998)
[9] 奥珀,M。;Winther,O.,神经计算。,12, 2655 (2000)
[10] 奥珀,M。;Saad(Eds.),D.,《高级平均场方法,理论与实践》(2001年),麻省理工学院出版社:麻省理学院出版社,剑桥·Zbl 0994.68172号
[11] 奥珀,M。;O.Winther和Phys。修订稿。,86, 3695 (2001)
[12] M.Opper,O.Winther,概率建模的自适应和自平均Thoulless-Anderson-Palmer平均场理论,物理。E版,2001年,接受出版。;M.Opper,O.Winther,概率建模的自适应和自平均Thouless Anderson Palmer平均场理论,物理。E版,2001年,接受出版·Zbl 1022.68606号
[13] Mézard,M。;Parisi,G.,J.物理学。莱特。,46,L771(1995)
[14] Mézard,M。;帕里西,G。;维拉索罗,硕士,《自旋玻璃理论及其后的发展》。《自旋玻璃理论及其以外》,物理学讲义,第9卷(1987),《世界科学:世界科学新加坡》·Zbl 0992.82500号
[15] D.J.C.MacKay,《独立成分分析的最大似然和协变算法》,剑桥大学卡文迪什实验室,草案3.7,1996年。;D.J.C.MacKay,《独立成分分析的最大似然和协变算法》,剑桥大学卡文迪什实验室,草案3.71996年。
[16] Gorman,R.P。;Sejnowski,T.J.,神经网络,1,75(1988)
[17] T.Tanaka,收录于:T.K.Leen,T.G.Diettrich,V.Tresp(编辑),NIPS’2000,第13卷,第315页,麻省理工学院出版社,马萨诸塞州剑桥,2001年出版。;T.Tanaka,收录于:T.K.Leen,T.G.Diettrich,V.Tresp(编辑),NIPS’2000,第13卷,第315页,麻省理工学院出版社,马萨诸塞州剑桥,2001年出版。
[18] Seung,H.S。;Sompolinsky,H。;蒂什比,N.,Phys。版本A,45,6056(1992)
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。