• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Statistics and computing >Deep Gaussian mixture models
【24h】

Deep Gaussian mixture models

机译：深高斯混合模型

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Deep learning is a hierarchical inference method formed by subsequent multiple layers of learning able to more efficiently describe complex relationships. In this work, deep Gaussian mixture models (DGMM) are introduced and discussed. A DGMM is a network of multiple layers of latent variables, where, at each layer, the variables follow a mixture of Gaussian distributions. Thus, the deep mixture model consists of a set of nested mixtures of linear models, which globally provide a nonlinear model able to describe the data in a very flexible way. In order to avoid overparameterized solutions, dimension reduction by factor models can be applied at each layer of the architecture, thus resulting in deep mixtures of factor analyzers.
机译：深度学习是一种分层推理方法，由后续多层学习形成，能够更有效地描述复杂的关系。在这项工作中，将介绍和讨论深度高斯混合模型（DGMM）。 DGMM是由多个潜在变量层组成的网络，其中，每一层变量都遵循混合的高斯分布。因此，深度混合模型由一组线性模型的嵌套混合物组成，这些线性模型全局提供了能够以非常灵活的方式描述数据的非线性模型。为了避免过分参数化的解决方案，可以在体系结构的每一层应用按因子模型进行的尺寸缩减，从而导致因子分析器的深度混合。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号