Bir sinir ağı ve bir grafik model arasındaki matematiksel bağlantıyı kurmak için uğraşıyorum.
Grafik modellerde fikir basittir: olasılık dağılımı, grafikteki uçurumlara göre çarpanlara ayrılır ve potansiyeller genellikle üstel ailenin olur.
Sinir ağı için eşdeğer bir gerekçe var mı? Bir Kısıtlı Boltzmann makinesinde veya CNN'nin enerjilerinin bir fonksiyonu olarak birimler (değişkenler) üzerindeki olasılık dağılımını veya birimler arasındaki enerjilerin ürünü ifade edebilir mi?
Ayrıca, olasılık dağılımı üstel ailenin bir RBM veya Derin inanç ağı (örneğin CNN'lerle) tarafından modelleniyor mu?
Ürdün ve Wainwright'ın grafik modelleri , Üstel Aileleri ve Varyasyon Çıkarımları ile grafik modeller için yaptığı gibi bu modern sinir ağları ve istatistikler arasındaki bağlantıyı resmileştiren bir metin bulmayı umuyorum . Herhangi bir işaretçi harika olurdu.
"using deep nets as factors in an MRF"
), ancak olasılıklı bir faktör grafiği olarak derin bir ağa nasıl bakılacağı hakkında daha fazla şey. Yann LeCun'un dediği zaman "of course deep Boltzmann Machines are a form of probabilistic factor graph themselves"
, bu bağlantıyı matematiksel olarak görmekle ilgileniyorum.
https://distill.pub/2017/feature-visualization/
( ör. sinir ağları görüntüleri nasıl anladığını ). Ağırlıklar 'topolojiyi' ayrık olmayan bir şekilde 'değiştirebilir'. Görmeme rağmen, bazı yöntemler kenarları çıkarmak ve böylelikle orijinal topolojiyi değiştirmek için büzülme faktörleri içerebilir