Teh、Yee Whye;韦林,马克斯;西蒙·奥斯宾多;杰弗里·辛顿(Geoffrey E.Hinton)。 稀疏超完备表示的基于能量的模型。 (英语) Zbl 1139.68401号 J.马赫。学习。物件。 4,编号7-8,1235-1260(2004). 摘要:我们提出了一种将独立成分分析(ICA)扩展到过度完备表示的新方法。与ICA的因果生成扩展保持源的边际独立性相反,我们将特征定义为输入的确定性(线性)函数。这种假设导致特征之间的边际依赖性,但在给定输入的情况下,特征具有条件独立性。通过将能量分配给特征,通过玻尔兹曼分布定义了输入状态的概率分布。使用对比发散目标训练该模型的自由参数(Hinton,2002)。当特征数量等于输入维数时,该基于能量的模型简化为无噪ICA,实验表明,该学习算法能够对语音数据进行盲源分离。在其他实验中,我们训练过完备的基于能量的模型,从各种标准数据集(包括语音、自然图像、手写数字和人脸)中提取特征。 引用于11文件 MSC公司: 68T05型 人工智能中的学习和自适应系统 62G07年 密度估算 62H25个 因子分析和主成分;对应分析 68吨10 模式识别、语音识别 PDF格式BibTeX公司 XML格式引用 \textit{Y.W.Teh}等人,J.Mach。学习。第4号决议,编号7--81235--1260(2004;Zbl 1139.68401) 全文: 内政部