Discovering the structure inherent

Discovering the structure inherent in a set of patterns is a fundamental
aim of statistical inference or learning. One fruitful approach is to
build a parameterized stochastic generative model, independent draws
from which are likely to produce the patterns. For all but the simplest
generative models, each pattern can be generated in exponentially
many ways. It is thus intractable to adjust the parameters to maximize
the probability of the observed patterns. We describe a way of finessing
this combinatorial explosion by maximizing an easily computed
lower bound on the probability of the observations. Our method can
be viewed as a form of hierarchical self-supervised learning that may
relate to the function of bottom-up and top-down cortical processing
pathways

ผลลัพธ์ (ไทย) 1:

การค้นพบโครงสร้างอยู่ในชุดของรูปแบบเป็นพื้นฐานจุดมุ่งหมายของการอนุมานทางสถิติหรือการเรียนรู้ วิธีผลที่หนึ่งคือการสร้างแบบ parameterized stochastic ส่วนจำลอง วาดอิสระซึ่งมีแนวโน้มการผลิตรูปแบบ สำหรับทั้งหมดแต่ง่ายที่สุดส่วนรุ่น แต่ละรูปแบบสามารถสร้างได้ในชี้แจงหลายวิธี จึงเข้าไปปรับพารามิเตอร์เพื่อเพิ่มความน่าเป็นรูปแบบการสังเกต เราอธิบายวิธีการ finessingการระเบิดนี้ combinatorial โดยเพิ่มการคำนวณได้อย่างง่ายดายขอบต่ำความเป็นไปได้ของการสังเกต วิธีของเราสามารถดูในรูปแบบของการเรียนรู้การดูแลตนเองตามลำดับชั้นที่อาจเกี่ยวข้องกับการทำงานของการประมวลผลในคอร์เทกซ์ สายล่าง และบนลงล่างทางเดิน

ผลลัพธ์ (ไทย) 2:

การค้นพบโครงสร้างที่มีอยู่ในรูปแบบชุดหนึ่งเป็นพื้นฐาน
จุดมุ่งหมายของการอนุมานทางสถิติหรือการเรียนรู้ วิธีการหนึ่งที่มีผลคือการ
สร้างรูปแบบการแปรกำเนิดสุ่มอิสระดึง
จากการที่มีแนวโน้มที่จะผลิตรูปแบบ สำหรับทุกคน แต่ที่ง่ายที่สุด
รุ่นกำเนิดแต่ละแบบสามารถสร้างขึ้นในชี้แจง
หลายวิธี ดังนั้นจึงเป็นเรื่องยากที่จะปรับค่าพารามิเตอร์เพื่อเพิ่ม
ความน่าจะเป็นรูปแบบที่สังเกตได้ เราจะอธิบายวิธีการ finessing
นี้ระเบิด combinatorial โดยการเพิ่มคำนวณได้อย่างง่ายดาย
ขอบเขตล่างน่าจะเป็นของการสังเกตที่ วิธีการของเราสามารถ
ถูกมองว่าเป็นรูปแบบของการเรียนรู้ด้วยตนเองภายใต้การดูแลแบบลำดับชั้นที่พฤษภาคม
ที่เกี่ยวข้องกับการทำงานของด้านล่างขึ้นและการประมวลผลเยื่อหุ้มสมองด้านบนลง
อย่างทุลักทุเล

ผลลัพธ์ (ไทย) 3:

การค้นพบโครงสร้างที่มีอยู่ในชุดของรูปแบบเป็นพื้นฐานจุดมุ่งหมายของการอนุมานทางสถิติ หรือการเรียนรู้ หนึ่งผล วิธีการคือสร้างพารามิเตอร์ Stochastic เข้าโมเดล วาดอิสระซึ่งมีแนวโน้มที่จะสร้างรูปแบบ ทั้งหมดแต่ที่ง่ายที่สุดรูปแบบเซลล์ แต่ละรูปแบบสามารถสร้างขึ้นในชี้แจงหลายวิธี มันจึงดื้อรั้นจะปรับค่าพารามิเตอร์เพื่อเพิ่มความน่าจะเป็นของการตรวจสอบรูปแบบ เราอธิบายวิธีการ finessingนี้ได้อย่างง่ายดายโดยการกระจายเชิงคำนวณขีดจำกัดล่างบนความน่าจะเป็นของการสังเกต วิธีที่เราสามารถถูกมองว่าเป็นรูปแบบของการดูแลตนเองแบบที่อาจความสัมพันธ์กับฟังก์ชันการประมวลผลคอร์จากบนลงล่างจากล่างขึ้นบนเส้นทาง