شبکه باور عمیق (DBN)

شبکه باور عمیق یک مدل احتمالی مولد است که از چندین لایه از متغیرهای تصادفی و نهان تشکیل شده است. DBNها که در سال ۲۰۰۶ توسط هینتون، اوسیندر و ته معرفی شدند، از اولین معماری‌های عمیقی بودند که به طور کارآمد آموزش داده شدند. هر جفت لایه مجاور یک ماشین بولتزمن محدود را تشکیل می‌دهند و شبکه به صورت حریصانه، یک لایه در یک زمان، قبل از تنظیم دقیق نظارت شده اختیاری، آموزش داده می‌شود. DBNها علاقه به یادگیری عمیق را احیا کردند و نشان دادند که یادگیری ویژگی سلسله مراتبی از داده‌های خام قابل دستیابی است.