(Python)高斯Bernoulli RBM在计算P(v=h)上的应用

Question

上下文：

我是实现高斯伯努利RBM，它是像流行的RBM，但与实际值可见单位。

的确，对隐藏值p(h=1|v)的采样过程对两者都是相同的，即

​

​

问题：

我的问题是在编码(使用Python) p(v|h)时，

​

​

对于N()是如何工作的，我有点困惑。我是否简单地使用数据的标准偏差添加高斯噪声到b + sigma * W.dot(h)

提前谢谢你。

Answer 1

符号X~N(μ，σ2)表示X是正态分布，平均μ和方差σ2，因此在RBM训练过程中，V应该是从这种分布中抽取的μ，σ样本。用NumPy术语来说，这是

v = sigma * np.random.randn(v_size) + b + sigma * W.dot(h)

或者使用scipy.stats.norm来获得更好的可读性代码。