阅读本文后，我了解到我可以通过仅激活一个隐藏单元并让 Gibbs 从隐藏单元中对可见单元进行采样来创建人们所谓的“重建”。
但现在我正在尝试在 python中实现一些卷积受限玻尔兹曼机。我的计划是坚持第 3.2 节中介绍的版本（所以，请注意，我还不打算实现卷积深度信念网络），并且仅在该部分工作时插入概率最大池。
为了检查它是否正常工作，我想创建类似于文章中介绍的“功能”（例如，图 3）。第一层学习到的特征与其他类型网络学习到的特征很相似。但我不确定他们是如何创建这些功能的。我不清楚这些学习到的“特征”是否是过滤器的权重，或者我是否应该通过打开某个过滤器的所有隐藏单元以某种方式创建重建。我也不确定第 3.6 节与我的更简单版本（我什至没有概率最大池）的相关性。
（我尝试了两种方法，但我的结果看起来仍然完全不同，我不确定这是我的代码中的错误还是我只是做错了什么）
有什么帮助吗？（我在互联网上随机找到了这段代码，但我对 Matlab 语法仍然很陌生，并且还不知道他们做了什么来创建重建——假设他们这样做了）