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