Statistical mechanics of non-linear unsupervised learning

非线性无监督学习的统计机制

• 批准号: 5216964
• 负责人: Professor Dr. Michael Biehl
• 金额: --
• 依托单位: Institut für Theoretische Physik und Astrophysik
• 依托单位国家: 德国
• 项目类别: Research Grants
• 财政年份: 1999
• 资助国家: 德国
• 起止时间: 1998-12-31 至 2002-12-31
• 项目状态: 已结题
• 来源: https://gepris.dfg.de/gepris/projekt/5216964?language=en
• 关键词: Statistical; mechanics; non; linear; unsupervised

Mit Methoden der statistischen Physik sollen Verfahren für das unüberwachte Lernen in neuronalen Netzwerken untersucht werden, welche geeignet sind, nichtlineare Strukturen in den Daten zu verarbeiten. Es soll ein Ansatz betrachtet werden, in dem die gemeinsame Information zwischen den Ausgaben zweier Netzwerke maximiert wird, welche verschiedene, aber statistisch abhängige Eingaben erhalten. Ferner soll die Kernel-basierte Hauptkomponentenanalyse untersucht werden.Für beide Verfahren soll zunächst die Theorie des Gibbs-Lernens entwickelt werden. In einem nächsten Schritt wird es darum gehen, effiziente Algorithmen zu entwickeln und im Grenzfall großer Netzwerke exakt zu analysieren.

用统计物理学方法解决神经元网络韦尔登中的非线性学习问题，但数据中的结构不确定。这是一个很重要的韦尔登，在这个数字中，同样的信息将被最大化，然后被统计学分析。Ferner soll die Kernel-basierte Hauptkomponentenanalysis untersucht韦尔登.Für beide Verfahren soll zunächst die Theorie des Gibbs-Lernens entwickelt韦尔登. In einem nächsten Schritt wird es darum gehen，effiziente fabrics zu entwickeln and im Grenzfall großer Netzwerke exakt zu analysieren.