（Python）高斯伯努利RBM计算P（v | h）

Question

上下文

我正在实施高斯伯努利RBM，它就像流行的RBM，但具有实值可见单位。

确实，隐藏值p(h=1|v)的采样程序对于两者都是相同的，即

问题：

我的问题在于编码（使用Python）p(v|h)，即

我对 N（）的工作原理有点困惑。我是否只是使用数据的标准偏差将高斯噪声添加到b + sigma * W.dot(h)？

提前谢谢。

Answer 1

符号 X 〜 N （μ，σ²）表示 X 通常以均值μ和方差σ2分布，所以在RBM培训例程 v 应该从这样的分发采样。在NumPy术语中，那是

v = sigma * np.random.randn(v_size) + b + sigma * W.dot(h)

或者使用scipy.stats.norm来获得更好的可读代码。