本頁只刊出中文翻譯與中文說明；英文原文請見下方原文連結。
原文連結
論文資訊
- 類型：工作論文
- 編號：工作論文 #138
- 日期：2026-03-18
摘要
條件受限玻爾茲曼機是無向隨機神經網絡，其輸入和輸出單元層與隱藏單元層雙向連接。這些網路在給定輸入單元狀態的情況下定義輸出單元狀態的條件機率分佈模型，並透過交互權重和偏差進行參數化。我們解決了這些模型的表徵能力，證明了條件機率分佈的通用逼近器的最小尺寸、確定性函數的通用逼近器的最小尺寸、最大模型逼近誤差以及可表示的條件分佈集的維數的結果。我們提供了用於研究條件模型的新工具，並獲得了直接從受限玻爾茲曼機機率模型的現有工作直接得出的結果的顯著改進。