背景:过去约4年的许多现代研究(后alexnet)似乎已不再使用对神经网络进行生成式预训练来获得最新的分类结果。
例如,此处 mnist的最高结果仅包括前两篇论文中似乎使用生成模型的50篇论文,这两篇论文都是RBM。其他48篇获奖论文涉及不同的判别式前馈体系结构,并且为寻找更好的/新颖的权重初始化和激活函数而不是RBM和许多较旧的神经网络中使用的S型曲线付出了很多努力。
问题:是否有现代的理由使用限制玻尔兹曼机?
如果不是,是否可以对这些前馈体系结构进行实际修改,以使它们的任何层生成?
动机:我问,因为我看到的某些模型可用,通常是RBM上的变体,不一定与这些生成层/模型具有明显相似的区分性,反之亦然。例如:
同样,分别从2010年,2011年和2009年起,这些显然也是prelex网络。
3
出于乐趣,我通过自动回归构建了一个生成前馈神经网络。power2predict.edublogs.org/2016/06/26/…–
—
克里斯