Sügav usaldusvõrk (DBN)
Sügav usaldusvõrk (Deep Belief Network, DBN) on generatiivne tõenäosuslik mudel, mis koosneb mitmest stokastiliste, latentsete muutujate kihist. Hinton, Osindero ja Teh esitlesid seda 2006. aastal ning DBN-id olid ühed esimesed sügavad arhitektuurid, mida sai tõhusalt treenida. Iga kahe järjestikuse kihi vahel moodustub piiratud Boltzmanni masin (Restricted Boltzmann Machine, RBM) ja võrku treenitakse ahnelt, kiht kihi haaval, enne valikulist juhendatud täpsustamist. DBN-id taaselustasid huvi süvaõppe vastu ja näitasid, et hierarhiline tunnuste õppimine toorandmetest on teostatav.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- Hinton, G. E., Osindero, S., & Teh, Y.-W. (2006). A fast learning algorithm for deep belief nets. Neural Computation, 18(7), 1527–1554. DOI: 10.1162/neco.2006.18.7.1527 ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 2). Deep Belief Network (DBN). ScholarGate. https://scholargate.app/et/deep-learning/deep-belief-network
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- AutoencoderSüvaõpe↔ compare
- Multilayer Perceptron (MLP)Süvaõpe↔ compare
- Piiratud Boltzmanni masin (RBM)Süvaõpe↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →