The Helmholtz machine can be viewed

The Helmholtz machine can be viewed as a hierarchical generalization
of the type of learning procedure described by Zemel (1994) and Hinton
and Zemel(1994). Instead of using a fixed independent prior distribution
for each of the hidden units in a layer, the Helmholtz machine makes this
prior more flexible by deriving it from the bottom-up activities of units
in the layer above. In related work, Zemel and Hinton (1995) show that a
system can learn a redundant population code in a layer of hidden units,
provided the activities of the hidden units are represented by a point in
a multidimensional constraint space with pre-specified dimensionality.
The role of their constraint space is to capture statistical dependencies
among the hidden unit activities and this can again be achieved in a more
uniform way by using a second hidden layer in a hierarchical generative
model of the type described here.

ผลลัพธ์ (ไทย) 1:

เครื่อง Helmholtz สามารถดูเป็นลักษณะทั่วไปเป็นลำดับชั้นชนิดของกระบวนการเรียนรู้อธิบาย โดย Hinton และ Zemel (1994)และ Zemel(1994) แทนการใช้การกระจายก่อนอิสระถาวรสำหรับแต่ละหน่วยในชั้นซ่อน เครื่อง Helmholtz ทำนี้ยืดหยุ่นมากขึ้น โดยเกิดจากกิจกรรมของหน่วยล่างขึ้นก่อนในชั้นที่ข้างต้น ในการทำงานที่เกี่ยวข้อง Zemel และ Hinton (1995) แสดงว่ามีระบบสามารถเรียนรู้รหัสซ้ำซ้อนประชากรในชั้นซ่อนหน่วยมีกิจกรรมของหน่วยซ่อนไว้จะแสดง ด้วยจุดในพื้นที่จำกัดในหลายมิติกับมิติที่ระบุไว้ก่อนบทบาทของพื้นที่ข้อจำกัดของพวกเขาคือการ จับสถิติการอ้างอิงระหว่างหน่วยซ่อน กิจกรรมและนี้อีกจะได้มากขึ้นวิธีการเหมือนกัน โดยใช้สองซ่อนอยู่ชั้นในมีลำดับชั้นส่วนแบบจำลองชนิดที่อธิบายไว้ที่นี่

ผลลัพธ์ (ไทย) 2:

เครื่อง Helmholtz สามารถดูเป็นลักษณะทั่วไปลำดับชั้น
ของประเภทของการเรียนรู้ขั้นตอนการอธิบายโดย Zemel (1994) และฮินตัน
และ Zemel (1994) แทนการใช้การกระจายก่อนที่อิสระคงที่
สำหรับแต่ละหน่วยที่ซ่อนอยู่ในชั้นเครื่อง Helmholtz ทำให้นี้
ก่อนที่มีความยืดหยุ่นมากขึ้นโดยสืบมาจากกิจกรรมด้านล่างขึ้นของหน่วยงาน
ในชั้นดังกล่าวข้างต้น ในการทำงานที่เกี่ยวข้องกับ Zemel และฮินตัน (1995) แสดงให้เห็นว่า
ระบบสามารถเรียนรู้รหัสประชากรซ้ำซ้อนในชั้นของหน่วยงานที่ซ่อนอยู่ที่
ให้ไว้กับกิจกรรมของหน่วยงานที่ซ่อนอยู่จะถูกแทนด้วยจุดใน
พื้นที่ จำกัด หลายมิติกับมิติที่กำหนดไว้ล่วงหน้า
บทบาทของพื้นที่ จำกัด ของพวกเขาคือการจับอ้างอิงทางสถิติ
ในหมู่กิจกรรมหน่วยที่ซ่อนอยู่และนี้อีกครั้งสามารถทำได้ในอีก
ทางโดยใช้เครื่องแบบชั้นซ่อนสองในลำดับชั้นกำเนิด
รูปแบบของประเภทที่อธิบายที่นี่

ผลลัพธ์ (ไทย) 3:

เฮล์มโฮลทซ์เครื่องจักรที่สามารถดูเป็นการลำดับชั้นประเภทของการเรียนรู้ขั้นตอนที่อธิบายโดยเซเมล ( 2537 ) และ ฮินตันและ เซเมล ( 1994 ) แทนการใช้ Fixed อิสระก่อนแจกจ่ายสำหรับแต่ละหน่วยที่ซ่อนอยู่ในชั้น , เครื่องทำให้เฮล์มโฮลทซ์ก่อนที่จะมีความยืดหยุ่นมากขึ้นโดยอาศัยจากด้านล่างขึ้นกิจกรรมของหน่วยในชั้นข้างบน ในงานวิจัยที่เกี่ยวข้อง ซีเมล และ ฮินตัน ( 1995 ) แสดงว่าระบบสามารถเรียนรู้รหัสประชากรมากเกินไปในชั้นของหน่วยที่ซ่อนอยู่ให้กิจกรรมของที่ซ่อนอยู่หน่วยแทนด้วยจุดพื้นที่ที่มีข้อจำกัดหลายมิติ ก่อน ระบุ dimensionality .บทบาทของพื้นที่ ข้อจำกัดของพวกเขาคือการจับสถิติการอ้างอิงระหว่างที่ซ่อนอยู่หน่วยกิจกรรมและนี้สามารถทำได้ในเพิ่มเติมเครื่องแบบวิธีโดยใช้ 2 ชั้นซ่อนในการเข้ารูปแบบของประเภทที่อธิบายไว้ที่นี่