Deep Belief Network (DBN)
Una Deep Belief Network è un modello probabilistico generativo composto da più strati di variabili stocastiche latenti. Introdotte da Hinton, Osindero e Teh nel 2006, le DBN sono state tra le prime architetture profonde a essere addestrate in modo efficiente. Ogni coppia di strati adiacenti forma una Restricted Boltzmann Machine, e la rete viene addestrata in modo "greedy", uno strato alla volta, prima di un'opzionale fase di "fine-tuning" supervisionato. Le DBN hanno riacceso l'interesse per il deep learning e hanno dimostrato che l'apprendimento gerarchico delle caratteristiche da dati grezzi è trattabile.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 2). Deep Belief Network (DBN). ScholarGate. https://scholargate.app/it/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.
- AutoencoderApprendimento profondo↔ compare
- Multilayer Perceptron (MLP)Apprendimento profondo↔ compare
- Restricted Boltzmann Machine (RBM)Apprendimento profondo↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →