制限付きボルツマンマシン：機械学習でどのように使用されますか？

バックグラウンド：

はい、制限付きボルツマンマシン（RBM）を使用して、ニューラルネットワークの重みを開始できます。また、深い信念ネットワークを構築するための「層ごとの」方法で使用することができる訓練すること、である（の上に番目の層（N - 1 ）、次いで番目の層、及び訓練しますの上に層目番目の層、リンスを繰り返し...） $n$$(n-1)$$n+1$$n$。

RBMの使用方法については、制限付きボルツマンマシン（RBM）の優れたチュートリアルのスレッドから詳細を見つける ことができます。ここでは、いくつかの論文やチュートリアルを見つけることができます。

私の質問は次のとおりです。

• RBMは産業プロジェクトまたは学術プロジェクトで実際に使用されていますか
• はいの場合、どのプロジェクトがどのように使用されていますか？
• 人気のあるライブラリ（tensorflow、Caffe、Theonoなど）はRBMモジュールを提供しますか？

共有してくれてありがとう。RBMが実際に本当に役立つかどうか知りたいです。

RBMは、1つまたは2つ以上のレイヤーを持つ、深いネットワークをトレーニング/学習する最初の実用的な方法の1つでした。そして、深い信念のネットワークは、ジェフリー・ヒントンによって提案されました。ジェフリー・ヒントンは、ディープラーニングの「父」の一人と考えられていると思います。もちろん、すべては数年前にJurgen Schmidhuberによってすでに発明されたものです:-)

したがって、RBMは有名です。1。ディープラーニングを行う最初の方法の1つ2.ジェフリーヒントン。

しかし、実際には、学術研究で確実に使用され、使用可能です。多くの人々が独自のニッチを見つけようとしているため、専門家になることができ、RBMのニッチの世界的な専門家であることは良いことです他のニッチ。しかし、実際には、業界では、使用されたことがないと主張することはありませんが、非常にまれにしか出てきません。ロジスティック回帰やフィードフォワード畳み込みニューラルネットワークなど、非常に多くの非常に標準的な手法が非常に高速かつ簡単にトレーニングされます。監視なしでは、現時点ではGANなどが非常に人気があります。

RBMを使用して、データ収集で発生する典型的な問題に対処することができます（たとえば、機械学習モデルのトレーニングに使用できます）。このような問題には、不均衡なデータセット（分類問題）、または欠損値のあるデータセット（一部の特徴の値が不明です）が含まれます。最初のケースでは、RBMをマイノリティクラスのデータでトレーニングし、それを使用してこのクラスの例を生成することができます。2番目のケースでは、クラスごとにRBMを個別にトレーニングし、未知の特徴値を明らかにすることができます。

RBMのもう1つの典型的な用途は、協調フィルタリングです（http://dl.acm.org/citation.cfm?id=1273596）。

人気のあるライブラリに関する限り、deeplearning4jは良い例だと思います（http://deeplearning4j.org）。