学习深度稀疏图模型的结构
摘要：采用连锁印第安自助餐过程（CIBP），给一个分层的、有向的信任网络结构提供了一个非参数先验，该先验在深度和宽度上是无限的，同时允许可行的推理。我们将CIBP先验与非线性高斯信任网络相结合，使每个单元在离散和连续的表示之间能够变化其行为。我们提供了用于推断这些信任网络的马尔可夫链蒙特卡洛算法，并探索了在几个图像数据集上学习到的结构。
作者：Ryan Prescott Adams, Hanna M. Wallach, Zoubin Ghahramani
论文ID：1001.0160
分类：Machine Learning
分类简称：stat.ML
提交时间：2010-08-20