Resumen de Experimentos de aprendizaje con Máquinas de Boltzmann de alto orden

Manuel Graña Romay , Alicia Emilia D'Anjou D'Anjou , Francisco Xabier Albizuri Irigoyen , José Antonio Lozano Alonso , Pedro Larrañaga Múgica , Yosu Yurramendi Mendizabal , María del Carmen Hernández Gómez , José Luis Jiménez Jiménez, Francisco Javier Torrealdea Folgado , M. Poza, Ana Isabel González Acuña

• español

  En el presente trabajo se presentan los resultados obtenidos en la aplicación de las Máquinas de Boltzmann de alto orden sin unidades ocultas a un conjunto de problemas que representan paradigmas muy diferenciados de problemas de aprendizaje. El algoritmo de aprendizaje de las máquinas Boltzmann se generaliza para Máquinas con unidades discretas (cuyos estados son valores en un conjunto discreto no necesariamente binario) y continuas. El algoritmo de aprendizaje mantiene su validez para unidades continuas con espacios de estado no normalizados al intervalo [0,1]. Se observa, además que la ausencia de unidades ocultas permite prescindir del enfriamiento estadístico (simulated annealing) en la estimación de los niveles de activación promedio (probabilidades de activación en el caso binario), lo cual permite una aceleración substancial del proceso de aprendizaje, y una mejora cualitativa de los resultados. La descripción y presentación de los experimentos sigue el orden histórico de nuestros trabajos.

• English

  This paper presents the results obtained applying High Order Bolzmann Machines without hidden units to a several well known problems that represent quite diverse learning paradigms. The learning algorithm of Boltzmann Machines easily generalises for machines discrete units (whose state spaces are discrete multivalued sets) and continuous units. The learning algorithm remains valid for continuous units not normalised in the [0,1] interval. Besides, the absence of hidden units allows the estimation of the mean activation levels (activation probabilities in the binary case) without using simulated annealing. This provides a substantial acceleration of the learning process, and a qualitative improvement of the results. The presentation, description and discussion of the experiments follows the historical order of our works.