深度置信网络是精确的
Deep belief networks are exact
首次发表
浏览论文内容
中文总结 AI 辅助
本文证明任意严格正概率分布可由有限参数的 sigmoid 置信网络精确表示，通过 Brouwer 不动点定理将近似升级为精确，解决了 Sutskever 和 Hinton 的开放问题。
中文摘要 AI 辅助
我们证明了在 \(\{-1,1\}^n\) 上的每个严格正概率分布都能由具有有限参数的 sigmoid 置信网络精确表示。这回答了 Sutskever 和 Hinton 提出的一个问题。该证明利用 Brouwer 不动点定理，将他们的概率共享近似升级为精确表示。
英文摘要
We prove that every strictly positive probability distribution on \(\{-1,1\}^n\) is represented exactly by a sigmoid belief network with finite parameters. This answers a question of Sutskever and Hinton. The proof upgrades their probability-sharing approximation to exact representation using Brouwer's fixed-point theorem.
发表机构
- Australian National University（澳大利亚国立大学）
机构由 AI 辅助整理，请以论文原文为准。
