2023年4月27日上午9:00，由中国人民大学统计学院和教育部人文社科重点研究基地应用统计研究中心共同举办的“统计大讲堂”系列讲座第217讲举行。

本次讲座邀请了不列颠哥伦比亚大学电气与计算机工程系助理教授Renjie Liao作题为“Gaussian-Bernoulli RBMs Without Tears”的报告。讲座采取线上形式，由中国人民大学统计学院教授孙怡帆主持。

Renjie Liao首先简单介绍了受限玻尔兹曼机（以下简称RBMs）和高斯伯努利受限玻尔兹曼机（以下简称GRBMs）两种统计模型的基本概念，并将两者进行对比，说明GRBMs具备可观测连续变量的优势。由此，Renjie Liao表示，GRBMs不仅是一种用于深度学习的基础模型，还是可以同时处理离散型和连续型随机变量的混合概率模型，在其基础上可以开发更多算法。随后，Renjie Liao介绍GRBMs在物理与量子运算领域的广泛应用，指出该模型具备增强深度生成模型多样性的潜力，进一步表明GRBMs极高的研究价值。

Renjie Liao指出，目前GRBMs在小方差参数学习、基于随机梯度估计的学习中存在困难，且由于无法从噪声中生成图像，模型评价也面临难题。为解决以上问题，Renjie Liao讲解了吉布斯朗之万采样、改良CD学习等方法，并展示上述方法在人脸识别等方面的测试效果。

最后，Renjie Liao在提问环节中认真细致地回答了师生的相关疑问，进一步就GRBMs的使用逻辑与师生进行了深入讨论。