rbm.up的结果是怎样解释的或者意义是什么？

Question

我正在学习深度学习，深网R包给了我以下例子：(rbm.up函数由可见单元推断隐藏单元状态)

library(deepnet)

Var1 <- c(rep(1, 50), rep(0, 50))
Var2 <- c(rep(0, 50), rep(1, 50))
x3 <- matrix(c(Var1, Var2), nrow = 100, ncol = 2)
r1 <- rbm.train(x3, 3, numepochs = 20, cd = 10)
v <- c(0.2, 0.8)
h <- rbm.up(r1, v)
h

结果：

          [,1]      [,2]      [,3]
[1,] 0.5617376 0.4385311 0.5875892

这些结果意味着什么？

Answer 1

正如文档所提到的，它显示了在您训练您的模型之后，受限Boltzmann机器中每个节点的隐藏状态。从rbm.up获得的值数等于rbm.train中的hidden参数的值(第二个值)，在您的示例中为3。如果增加这个值，您将看到从rbm.up获得的值的数量也在增加：

library(deepnet)

Var1 <- c(rep(1, 50), rep(0, 50))
Var2 <- c(rep(0, 50), rep(1, 50))
x3 <- matrix(c(Var1, Var2), nrow = 100, ncol = 2)
r1 <- rbm.train(x3, 5, numepochs = 20, cd = 10)
v <- c(0.2, 0.8)
h <- rbm.up(r1, v)
print(h)

#           [,1]      [,2]      [,3]      [,4]      [,5]
# [1,] 0.5826883 0.6624397 0.5545223 0.4133155 0.5533788