Macchine di Boltzmann Restrittive (RBM): differenze tra le versioni
Nessun oggetto della modifica |
Nessun oggetto della modifica |
||
| Riga 19: | Riga 19: | ||
|title=Macchina di Boltzmann Restrittiva | |title=Macchina di Boltzmann Restrittiva | ||
|title_mode=append | |title_mode=append | ||
|keywords= | |keywords=rete neurale, apprendimento automatico, deep learning, intelligenza artificiale, riduzione della dimensionalità, rappresentazione dei dati, generazione di dati, musica polifonica | ||
|description= | |description=Una Macchina di Boltzmann Restrittiva (RBM) è una rete neurale probabilistica usata per apprendimento non supervisionato. Composta da nodi visibili (dati di input) e nodi nascosti (rappresentazioni interne), la sua struttura semplifica l'apprendimento. Trova applicazione nella riduzione della dimensionalità, apprendimento di rappresentazioni e generazione di dati, come la musica. | ||
}} | }} | ||
Versione delle 13:47, 17 ago 2024
| Macchine di Boltzmann Restrittive (RBM) | |
|---|---|
| Nome Inglese | Restricted Boltzmann Machine |
| Sigla | RBM |
| Anno Di Creazione | 1986 |
| Pubblicazione | |
| URL | |
| Topic | |
Una Macchina di Boltzmann Restrittiva (RBM) è un tipo di rete neurale probabilistica usata per l'apprendimento non supervisionato. È composta da due tipi di nodi: nodi visibili e nodi nascosti. Gli strati visibili rappresentano i dati di input, mentre gli strati nascosti apprendono delle rappresentazioni interne dei dati.
La particolarità di una RBM restrittiva risiede nel fatto che vi è una restrizione sui collegamenti tra i nodi visibili e nascosti, in modo che non ci siano connessioni tra i nodi dello stesso strato e vengano impediti i collegamenti tra i nodi visibili tra loro. Questa restrizione semplifica il processo di apprendimento e rende l'addestramento più efficiente.
Le RBM sono spesso utilizzate per eseguire la riduzione della dimensionalità, apprendere rappresentazioni distribuite dei dati o generare nuovi dati.
Nella generazione di musica polifonica
Una RBM può essere addestrata su dati musicali per generare nuove sequenze di note che sono coerenti con il modello appreso durante l'addestramento.