聖塔非研究所 神經網路定義的統計模型的最大資訊分歧 2026-03-18 · 工作論文 · 更新 2026/03/18 下午01:18 摘要 我們回顧了關於 Kullback Leibler 資訊散度最大值的最新結果，這些結果來自神經網路定義的統計模型，包括樸素貝葉斯模型、受限玻爾茲曼機、深度置信網路和各類指數族。我們說明了從簡單的子模型或超級模型開始計算給定模型的最大散度的方法。我們給出了具有有限值單元的深而窄的信念網絡的新結果。 原文連結PDF 來源 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 原文連結 PDF 來源 論文資訊 類型：工作論文 編號：工作論文 #194 日期：2026-03-18 摘要 我們回顧了關於 Kullback-Leibler 資訊散度最大值的最新結果，這些結果來自神經網路定義的統計模型，包括樸素貝葉斯模型、受限玻爾茲曼機、深度置信網路和各類指數族。我們說明了從簡單的子模型或超級模型開始計算給定模型的最大散度的方法。我們給出了具有有限值單元的深而窄的信念網絡的新結果。