1

RBM の pyLearn2 (機械学習ライブラリ) の例に関するこのドキュメントにたどり着きました。なぜ簡単なのか誰か教えてもらえますか？

# First we want to pull out small patches of the images, since it's easier
# to train an RBM on these
pipeline.items.append(
    preprocessing.ExtractPatches(patch_shape=(8, 8), num_patches=150000)
)

私は RBM についてよく知らないので、ご容赦ください。完全なコードについては、このリンクを参照してください

4

1 に答える 1

2

簡単に言えば、他のアルゴリズムと同様に、入力数が大きくなると複雑さが増します。問題をより小さなサブ問題に分割し、その後これらを結合すると、より高速になる可能性があります (分割統治アルゴリズムと呼ばれます)。

現在、これらのタイプの機械学習アルゴリズムでは、機能の抽象化がさらに必要になります。一度にすべてのピクセルを入力したくない (ローカル情報のみを持つ) ことも、画像全体を単一の数値/シンボルで表す (グローバル情報のみを持つ) こともありません。多くのアプローチが、これらの種類のデータを階層表現に結合します (主にディープ ラーニングと呼ばれます)。

これら 2 つの概念をまとめると、小さな画像パッチを最初に処理すると、より多くのローカル情報が得られ、後でそれらを組み合わせてグローバル情報を推測できることが明確になります。したがって、「簡単だから」というのは、その背後にある完全な理由ではありません。また、すべてのパフォーマンスが向上し、より正確になります。

これがあいまいになりすぎずにあなたの質問に答えてくれることを願っています（完全な答えは長くなりすぎます）。RBM のより詳細な紹介については、このページの第 7 章などをご覧ください。

于 2015-01-24T14:45:29.387 に答える