Red Neuronal de Creencia Profunda (DBN)

Una Red Neuronal de Creencia Profunda (DBN, por sus siglas en inglés) es un modelo probabilístico generativo compuesto por múltiples capas de variables estocásticas latentes. Introducidas por Hinton, Osindero y Teh en 2006, las DBNs se encuentran entre las primeras arquitecturas profundas que se pudieron entrenar de manera eficiente. Cada par de capas adyacentes forma una Máquina de Boltzmann Restringida (RBM, por sus siglas en inglés), y la red se entrena de forma voraz, una capa a la vez, antes de un ajuste fino supervisado opcional. Las DBNs reavivaron el interés en el aprendizaje profundo y demostraron que el aprendizaje jerárquico de características a partir de datos brutos es factible.