Русская Википедия:Ограниченная машина Больцмана
Ограниченная машина Больцмана (Шаблон:Lang-en), сокращённо RBM — вид генеративной стохастической нейронной сети, которая определяет распределение вероятности на входных образцах данных.
Первая ограниченная машина Больцмана была построена в 1986 году Полом Смоленски под названием Harmonium[1], но приобрела популярность только после изобретения Хинтоном быстрых алгоритмов обучения в середине 2000-х годов.
Такое название машина приобрела как модификация обычной машины Больцмана, в которой нейроны разделили на видимые и скрытые, а связи допустимы только между нейронами разного типа, таким способом ограничив связи. Значительно позже, в 2000-х годах, ограниченные машины Больцмана приобрели большую популярность и стали рассматриваться уже не как вариации машины Больцмана, а как особые компоненты в архитектуре сетей глубинного обучения. Объединение нескольких каскадов ограниченных машин Больцмана формирует глубокую сеть доверия, особый вид многослойных нейронных сетей, которые могут самообучаться без учителя при помощи алгоритма обратного распространения ошибки[2].
Особенностью ограниченных машин Больцмана является возможность проходить обучение без учителя, но в определённых приложениях ограниченные машины Больцмана обучаются с учителем. Скрытый слой машины представляет собой глубокие признаки в данных, которые выявляются в процессе обучения (см. также Data mining).
Ограниченные машины Больцмана имеют широкий спектр применений — это задачи снижения размерности данных[3], задачи классификации[4], коллаборативная фильтрация[5], выделение признаков (Шаблон:Lang-en)[6] и тематическое моделирование[7].
В ограниченной машине Больцмана нейроны образуют двудольный граф, с одной стороны графа находятся видимые нейроны (вход), а с другой стороны — скрытые, причём перекрёстные связи устанавливаются между каждым видимым и каждым скрытым нейроном. Такая система связей позволяет применить при обучении сети метод градиентного спуска с контрастивной дивергенцией[8].
Структура сети
Ограниченная машина Больцмана базируется на бинарных элементах с распределением Бернулли, составляющие видимый <math>v_i</math> и скрытый <math>h_j</math> слои сети. Связи между слоями задаются с помощью матрицы весов <math>W = (w_{i,j})</math> (размера m × n), а также смещений <math>a_i</math> для видимого слоя и <math>b_j</math> для скрытого слоя.
Вводится понятие энергии сети Шаблон:Math как
- <math>E(v, h) = -\sum_i a_i v_i - \sum_j b_j h_j -\sum_i \sum_j v_i w_{i,j} h_j,</math>
или в матричной форме
- <math>E(v, h) = -a^{\mathrm{T}} v - b^{\mathrm{T}} h -v^{\mathrm{T}} W h.</math>
Подобной функцией энергии обладает также Сеть Хопфилда. Как и для обычной машины Больцмана, через энергию определяется вероятность распределения на векторах видимого и скрытого слоя[9]:
- <math>P(v, h) = \frac{1}{Z} e^{-E(v, h)},</math>
где <math>Z</math> — статсумма, определяемая как <math>\sum e^{-E(v, h)}</math> для всех возможных сетей (иными словами, <math>Z</math> — константа нормализации, которая гарантирует, что сумма всех вероятностей равна единице). Определение вероятности для отдельного входного вектора (маргинальное распределение) проводится аналогично через сумму конфигураций всевозможных скрытых слоёв[9]:
- <math>P(v) = \frac{1}{Z} \sum_h e^{-E(v, h)}.</math>
По причине структуры сети как двудольного графа, отдельные элементы скрытого слоя независимы друг от друга и активируют видимый слой, и наоборот отдельные элементы видимого слоя независимы друг от друга и активируют скрытый слой[8]. Для <math>m</math> видимых элементов и для <math>n</math> скрытых элементов условные вероятности Шаблон:Mvar определяются через произведения вероятностей Шаблон:Mvar:
- <math>P(v|h) = \prod_{i=1}^m P(v_i|h),</math>
и наоборот условные вероятности Шаблон:Mvar определяются через произведение вероятностей Шаблон:Mvar:
- <math>P(h|v) = \prod_{j=1}^n P(h_j|v).</math>
Конкретные вероятности активации для одного элемента определяются как
- <math>P(h_j=1|v) = \sigma \left(b_j + \sum_{i=1}^m w_{i,j} v_i \right)</math> и <math>P(v_i=1|h) = \sigma \left(a_i + \sum_{j=1}^n w_{i,j} h_j \right),</math>
где <math>\sigma</math> — логистическая функция для активации слоя.
Видимые слои могут иметь также мультиномиальное распределение, в то время как скрытые слои распределены по Бернулли. В случае мультиномиальности вместо логистической функции используется softmax:
- <math>P(v_i^k = 1|h) = \frac{\exp(a_i^k + \Sigma_j W_{ij}^k h_j)}{\Sigma_{k'=1}^K \exp(a_i^{k'} + \Sigma_j W_{ij}^{k'} h_j)},</math>
где K — количество дискретных значений видимых элементов. Такое представление используется в задачах тематического моделирования[7] и в рекомендательных системах[5].
Связь с другими моделями
Ограниченная машина Больцмана представляет собой частный случай обычной машины Больцмана и марковской сети[10][11]. Их графовая модель соответствует графовой модели факторного анализа[12].
Алгоритм обучения
Целью обучения является максимизация вероятности системы с заданным набором образцов <math>V</math> (матрицы, в которой каждая строка соответствует одному образцу видимого вектора <math>v</math>), определяемой как произведение вероятностей
- <math>\arg\max_W \prod_{v \in V} P(v),</math>
или же, что одно и то же, максимизации логарифма произведения:[10][11]
- <math>\arg\max_W \mathbb{E} [\log P(v)].</math>
Для тренировки нейронной сети используется алгоритм контрастивной дивергенции (CD) с целью нахождения оптимальных весов матрицы <math>W</math>, его предложил Джеффри Хинтон, первоначально для обучения моделей PoE («произведение экспертных оценок»)[13][14]. Алгоритм использует семплирование по Гиббсу для организации процедуры градиентного спуска, аналогично методу обратного распространения ошибок для нейронных сетей.
В целом один шаг контрастивной дивергенции (CD-1) выглядит следующим образом:
- Для одного образца данных Шаблон:Mvar вычисляются вероятности скрытых элементов и применяется активация для скрытого слоя Шаблон:Mvar для данного распределения вероятностей.
- Вычисляется внешнее произведение (семплирование) для Шаблон:Mvar и Шаблон:Mvar, которое называют позитивным градиентом.
- Через образец Шаблон:Mvar проводится реконструкция образца видимого слоя Шаблон:Mvar, а потом выполняется снова семплирование с активацией скрытого слоя Шаблон:Mvar. (Этот шаг называется Семплирование по Гиббсу.)
- Далее вычисляется внешнее произведение, но уже векторов Шаблон:Mvar и Шаблон:Mvar, которое называют негативным градиентом.
- Матрица весов <math>W</math> поправляется на разность позитивного и негативного градиента, помноженного на множитель, задающий скорость обучения: <math>\Delta W = \varepsilon (vh^\mathsf{T} - v'h'^\mathsf{T})</math>.
- Вносятся поправки в биасы Шаблон:Mvar и Шаблон:Mvar похожим способом: <math>\Delta a = \varepsilon (v - v')</math>, <math>\Delta b = \varepsilon (h - h')</math>.
Практические указания по реализации процесса обучения можно найти на личной странице Джеффри Хинтона[9].
См. также
Ссылки
Литература
- Introduction to Restricted Boltzmann Machines Шаблон:Wayback. Edwin Chen’s blog, July 18, 2011.
- A Beginner’s Guide to Restricted Boltzmann Machines. Deeplearning4j Documentation
- Understanding RBMs. Deeplearning4j Documentation, August 4, 2015.
- Python implementation Шаблон:Wayback of Bernoulli RBM and tutorial Шаблон:Wayback
- SimpleRBM Шаблон:Wayback is a very small RBM code (24kB) useful for you to learn about how RBMs learn.
Шаблон:Нейросети Шаблон:Машинное обучение
- ↑ Шаблон:Книга Шаблон:Cite web
- ↑ Шаблон:Статья
- ↑ Шаблон:Статья
- ↑ Шаблон:Cite conference
- ↑ 5,0 5,1 Шаблон:Cite conference
- ↑ Шаблон:Cite conference
- ↑ 7,0 7,1 Ruslan Salakhutdinov and Geoffrey Hinton (2010). Replicated softmax: an undirected topic model Шаблон:Wayback. Neural Information Processing Systems 23
- ↑ 8,0 8,1 Miguel Á. Carreira-Perpiñán and Geoffrey Hinton (2005). On contrastive divergence learning. Artificial Intelligence and Statistics.
- ↑ 9,0 9,1 9,2 Geoffrey Hinton (2010). A Practical Guide to Training Restricted Boltzmann Machines Шаблон:Wayback. UTML TR 2010—003, University of Toronto.
- ↑ 10,0 10,1 Шаблон:Статья
- ↑ 11,0 11,1 Asja Fischer and Christian Igel. Training Restricted Boltzmann Machines: An Introduction. Шаблон:Wayback. Pattern Recognition 47, p. 25—39, 2014.
- ↑ Шаблон:СтатьяШаблон:Недоступная ссылка
- ↑ Geoffrey Hinton (1999). Products of Experts Шаблон:Wayback. ICANN 1999.
- ↑ Шаблон:Статья