Macchine di Boltzmann Restrittive (RBM): differenze tra le versioni
(Creata pagina con "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 ch...") |
Nessun oggetto della modifica |
||
| Riga 6: | Riga 6: | ||
Le RBM sono spesso utilizzate per eseguire la riduzione della dimensionalità, apprendere rappresentazioni distribuite dei dati o generare nuovi dati. | Le RBM sono spesso utilizzate per eseguire la riduzione della dimensionalità, apprendere rappresentazioni distribuite dei dati o generare nuovi dati. | ||
Nella | Nella '''generazione di musica polifonica''', ad esempio, una RBM può essere addestrata su dati musicali per generare nuove sequenze di note che sono coerenti con il modello appreso durante l'addestramento. | ||
Versione delle 13:41, 5 mar 2024
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, ad esempio, una RBM può essere addestrata su dati musicali per generare nuove sequenze di note che sono coerenti con il modello appreso durante l'addestramento.