受限玻尔兹曼机（Restricted Boltzmann Machine,RBM)学习
介绍
- 它的结构相对比较简单，是一个只有可视层和隐藏层两层结构的网络
- 从严格意义上说，RBM并不属于深层神经网络，它只是一个两层结构，并不“深”，但它同时也是构成其他深度神经网络的常用层次组件
- RBM是由可视层和隐藏层相互连接的一个完全二分图网络结构，每一个神经元是一个二值单元，也就是每一个神经元的取值只能等于0或1
- RBM的网络结构具有这样的特点：可视层的每一个神经元与隐藏层的每一个神经元相互连接；可视层神经元之间，隐藏层神经元之间没有连线
应用
- RBM本质上是一个编码解码器，具体来说，通过RBM，我们可以把原始输入数据从可视层映射到隐藏层，得到原始输入数据的隐因子（latent factor）向量表示，这一过程也称为编码过程，然后利用得到的隐藏层向量重新映射回可视层，得到新的可视层数据，这个过程称为解码过程，我们的目标是让解码后的结果能和原始数据尽量接近，这样，在解码的过程中，我们不但能得到已评分物品的新的评分数据，还能对未评分的物品的得分进行预测，这些未评分物品的分数从高到低的排序形成推荐列表。
RBM的网络结构
- RBM包含两层
- 可见层
- 隐藏层
- 神经元之间的连接具有如下特点:
- 层内无连接 层内包括可见层内的神经元也包括隐藏层内的神经元
- 层间全连接 可见层中的每一个神经元与隐藏层中的所有神经元都连接
参考文献
- 利用分类来实现权重打分
RBM算法模型应用在推荐系统 Python代码实现 - CSDN博客