Mély hit hálózat (DBN)
A mély hit hálózat egy generatív valószínűségi modell, amely több réteg sztochasztikus, latens változóból áll. Hinton, Osindero és Teh által 2006-ban bevezetett DBN-ek voltak az első mély architektúrák közé, amelyeket hatékonyan lehetett képezni. Minden szomszédos rétegpár egy korlátozott Boltzmann gépet alkot, és a hálózatot mohón, rétegenként képezik, mielőtt opcionális felügyelt finomhangolás következne. A DBN-ek újraélesztették az érdeklődést a mélytanulás iránt, és demonstrálták, hogy a nyers adatokból származó hierarchikus jellemzőtanulás megvalósítható.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 2). Deep Belief Network (DBN). ScholarGate. https://scholargate.app/hu/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.
- AutoencoderMélytanulás↔ compare
- Multilayer Perceptron (MLP)Mélytanulás↔ compare
- Restricted Boltzmann Machine (RBM)Mélytanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →