• 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：深层高斯混合模型

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：深度学习是由随后的多层学习形成的分层推断方法，能够更有效地描述复杂的关系。在这项工作中，引入并讨论了深层高斯混合模型（DGMM）。 DGMM是多层潜变变量的网络，在每个层，变量遵循高斯分布的混合。因此，深层混合模型包括一组线性模型的嵌套混合物，其全球提供了一种能够以非常灵活的方式描述数据的非线性模型。为了避免过度分辨的解决方案，可以在架构的每层应用因子模型减少尺寸，从而导致因子分析仪的深层混合物。

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