欢迎转载，转载请注明：本文出自Bin的专栏blog.csdn.net/xbinworld。
技术交流QQ群：433250724，欢迎对算法、技术、应用感兴趣的同学加入。
接下来重点讲一下RBM模型求解方法，其实用的依然是梯度优化方法，但是求解需要用到随机采样的方法，常见的有：Gibbs Sampling和对比散度(contrastive divergence, CD[8])算法。
RBM目标函数
假设给定的训练集合是
S={vi}
，总数是
ns
，其中每个样本表示为
vi=(vi1,vi2,…,vinv)
，且都是独立同分布i.i.d的。RBM采用最大似然估计，即最大化
lnLS=ln∏i=1nsP(vi)=∑i=1nslnP(vi)
参数表示为
θ=(W,a,b)
，因此统一的参数更新表达式为：
θ=θ+η∂lnLS∂θ
其中，
η
表示学习速率。因此，很明显，只要我们可以求解出参数的梯度，我们就可以求解RMB模型了。我们先考虑任意单个训练样本（
v0
）的情况，即
LS=lnP(v0)=ln(1Z∑he−E(v0,h))=ln∑he−E(v0,h)−ln∑v,he−E(v,h)
其中
v
表示任意的训练样本，而
v0
则表示一个特定的样本。
∂LS∂θ=∂lnP(v0)∂θ=∂∂θ(ln∑he−E(v0,h))−∂∂θ(ln∑v,he−E(v,h))=−1∑he−E(v0,h)∑he−E(v0,h)∂E(v0,h)∂θ+1∑v,he−E(v,h)∑v,he−E(v,h)∂E(v,h)∂θ=−∑hP(h|v0)∂E(v0,h)∂θ+∑v,hP(h,v)∂E(v,h)∂θ
（其中第3个等式左边内条件概率
P(h|v0)
，因为
e−E(v0,h)∑he−E(v0,h)=e−E(v0,h)/Z∑he−E(v0,h)/Z=P(v0,h)P(v0)=P(h|v0)
）
上面式子的两个部分的含义是期望——左边是梯度
∂E(v0,h)∂θ
在条件概率分布
P(h|v0)
下的期望；右边是梯度
∂E(v,h)∂θ
在联合概率分布
P(h,v)
下的期望。要求前面的条件概率是比较容易一些的，而要求后面的联合概率分布是非常困难的，因为它包含了归一化因子
Z
（对所有可能的取值求和，连续的情况下是积分），因此我们采用一些随机采样来近似求解。把上面式子再推导一步，可以得到，
∂LS∂θ=−∑hP(h|v0)∂E(v0,h)∂θ+∑vP(v)∑hP(h|v)∂E(v,h)∂θ
因此，我们重点就是需要就算
∑hP(h|v)∂E(v,h)∂θ
，特别的，针对参数
W,a,b
来说，有
∑hP(h|v)∂E(v,h)∂wij=−∑hP(h|v)hivj=−∑hP(hi|v)P(h−i|v)hivj=−∑hiP(hi|v)∑h−iP(h−i|v)hivj=−∑hiP(hi|v)hivj=−(P(hi=1|v)⋅1⋅vj+P(hi=0|v)⋅0⋅vj)=−P(hi=1|v)vj
类似的，我们可以很容易得到：
∑hP(h|v)∂E(v,h)∂ai=−vi
∑hP(h|v)∂E(v,h)∂bj=−P(hi=1|v)
于是，我们很容易得到，
∂lnP(v0)∂wij=−∑hP(h|v0)∂E(v0,h)∂wij+∑vP(v)∑hP(h|v)∂E(v,h)∂wij=P(hi=1|v0)v0j−∑vP(v)P(hi=1|v)vj
∂lnP(v0)∂ai=v0i−∑vP(v)vi
∂lnP(v0)∂bi=P(hi=1|v0)−∑vP(v)P(hi=1|v)
上面求出了一个样本的梯度，对于
ns
个样本有
∂LS∂wij=∑m=1ns[P(hi=1|vm)vmj−∑vP(v)P(hi=1|v)vj]
∂LS∂ai=∑m=1ns[vmi−∑vP(v)vi]
∂LS∂bi=∑m=1ns[P(hi=1|vm)−∑vP(v)P(hi=1|v)]
到这里就比较明确了，主要就是要求出上面三个梯度；但是因为不好直接求概率分布
P(v)
，前面分析过，计算复杂度非常大，因此采用一些随机采样的方法来得到近似的解。看这三个梯度的第二项实际上都是求期望，而我们知道，样本的均值是随机变量期望的无偏估计。
Gibbs Sampling
很多资料都有提到RBM可以用Gibbs Sampling来做，但是具体怎么做不讲（是不是有点蛋疼？），可能很多人也不清楚到底怎么做。下面稍微介绍一下。
吉布斯采样（Gibbs sampling），是MCMC方法的一种，具体可以看我前面整理的随机采样MCMC的文章。总的来说，Gibbs采样可以从一个复杂概率分布
P(X)
下生成数据，只要我们知道它每一个分量的相对于其他分量的条件概率
P(Xk|X−k)
，就可以对其进行采样。而RBM模型的特殊性，隐藏层神经元的状态只受可见层影响（反之亦然），而且同一层神经元之间是相互独立的，那么就可以根据如下方法依次采样：
也就是说
hi
是以概率
P(hi|v0)
为1，其他的都类似。这样当我们迭代足够次以后，我们就可以得到满足联合概率分布
P(v,h)
下的样本
(v,h)
，其中样本
(v)
可以近似认为是
P(v)
下的样本，下图也说明了这个迭代采样的过程：
有了样本
(v)
就可以求出上面写到的三个梯度（
∂LS∂wij,∂LS∂ai,∂LS∂bi
）了，用梯度上升就可以对参数进行更新了。（实际中，可以在k次迭代以后，得到样本集合{
v
}，比如迭代100次取后面一半，带入上面梯度公式的后半部分计算平均值。）
看起来很简单是不是？但是问题是，每一次gibbs采样过程都需要反复迭代很多次以保证马尔科夫链收敛，而这只是一次梯度更新，多次梯度更新需要反复使用gibbs采样，使得算法运行效率非常低。为了加速RBM的训练过程，Hinton等人提出了对比散度（Contrastive Divergence）方法，大大加快了RBM的训练速度，将在下一篇重点讲一下。
OK，本篇先到这里。平时工作比较忙，加班什么的（IT的都这样），晚上回到家比较晚，每天只能挤一点点时间写，写的比较慢，见谅。RBM这一块可以看的资料很多，网上一搜一大堆，还包括hinton的一些论文和Bengio的综述[9]，不过具体手写出来的思路还是借鉴了[7]，看归看，我会自己推导并用自己的语言写出来，大家有什么问题都可以留言讨论。下一篇最后讲一下CD算法，后面有时间再拿code出来剖析一下。
觉得有一点点价值，就支持一下哈！花了很多时间手打公式的说~更多内容请关注Bin的专栏
参考资料
[1] http://www.chawenti.com/articles/17243.html
[2] 张春霞，受限波尔兹曼机简介
[3] http://www.cnblogs.com/tornadomeet/archive/2013/03/27/2984725.html
[4] http://deeplearning.net/tutorial/rbm.html
[5] Asja Fischer, and Christian Igel，An Introduction to RBM
[6] G.Hinton, A Practical Guide to Training Restricted Boltzmann Machines
[7] http://blog.csdn.net/itplus/article/details/19168937
[8] G.Hinton, Training products of experts by minimizing contrastive divergence, 2002.
[9] Bengio, Learning Deep Architectures for AI, 2009
