Syvä uskomusverkko (DBN)
Syvä uskomusverkko (Deep Belief Network, DBN) on generatiivinen probabilistinen malli, joka koostuu useista stokastisten, piilevien muuttujien kerroksista. Hintonin, Osinderon ja Tehin vuonna 2006 esittelemät DBN:t olivat ensimmäisiä syviä arkkitehtuureja, joita voitiin kouluttaa tehokkaasti. Jokainen vierekkäisten kerrosten pari muodostaa rajoitetun Boltzmannin koneen (Restricted Boltzmann Machine, RBM), ja verkkoa koulutetaan ahneesti, yksi kerros kerrallaan, ennen valinnaista ohjattua hienosäätöä. DBN:t elvyttivät kiinnostuksen syväoppimiseen ja osoittivat, että hierarkkinen piirteiden oppiminen raakadatan perusteella on toteutettavissa.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 2). Deep Belief Network (DBN). ScholarGate. https://scholargate.app/fi/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.
- AutoenkooderiSyväoppiminen↔ compare
- Monikerki-kerrosperceptron (MLP)Syväoppiminen↔ compare
- Rajoitettu Boltzmannin kone (RBM)Syväoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →