Các mô hình dựa trên năng lượng (EBMs) là một lớp mô hình mạng thần kinh xác định một chức năng năng để đại diện sự tương thích giữa đầu vào và kết xuất. Những mô hình này được dùng trong nhiều công việc học tập máy khác nhau, bao gồm việc tạo ra mô hình và học tập không có giám sát. Bài này khám phá các khái niệm cơ bản, tính toán, và ứng dụng thực tế của EBMs trong mạng thần kinh.

Nhận thức cơ bản về mô hình năng lượng-bast

EBMs chỉ định giá trị năng lượng vô hướng cho mỗi cấu hình đầu vào và các biến đầu ra. Mục tiêu là học một chức năng năng năng năng, nơi mà các cấu hình đúng hay mong muốn có năng lượng thấp, trong khi các giá trị không đúng có năng lượng cao. Khác với mô hình xác suất truyền thống, EBM không rõ xác suất phân phối, nhưng tập trung vào việc thu nhỏ năng lượng.

Tính toán toán học trong EBMs

Trung tâm của một EBM là chức năng năng năng năng lượng của nó, thường được biểu thị là E(x, y), nơi x là đầu vào và y là kết xuất. Trong khi đào tạo, các mô hình điều chỉnh tham số để giảm thiểu năng lượng của cấu hình đúng và tối đa hóa nó cho những cái sai. Hàm mất thường bao gồm sự phân tách tương phản hoặc các phương pháp ước tính khác để ước tính chuyển màu có hiệu quả.

Tính toán bao gồm tính toán dốc màu của hàm năng lượng theo các tham số mô hình, hướng dẫn tiến trình tối ưu hóa. Các phương pháp xếp chồng như Markov Chain Monte Carlo (MCCC) được dùng để xấp xỉ phân phối hơn cấu hình trong quá trình đào tạo.

Name

Các mô hình dựa trên năng lượng được áp dụng trong nhiều lĩnh vực khác nhau, bao gồm:

  • Dòng dõi: EBM có thể tạo ra hình ảnh thực tế bằng cách mô phỏng cấu hình năng lượng thấp.
  • Phát hiện vô tuyến: điểm năng lượng cao cho thấy những dị thường hoặc xa hơn trong dữ liệu.
  • Học thêm:) Các EBM giúp mô hình động lực môi trường và các chức năng phần thưởng.
  • Tiến trình Nyện trị Ngôn ngữ Natual:) được dùng cho các công việc như mô hình ngôn ngữ và sự hiểu biết ngữ pháp.