Machine learningGenerative / pretraining
ディープ・ビリーフ・ネットワーク（DBN）
ディープ・ビリーフ・ネットワーク（DBN）は、複数の確率的潜在変数層から構成される生成確率モデルである。2006年にHinton、Osindero、Tehによって導入されたDBNは、効率的に学習可能な初期のディープ・アーキテクチャの一つであった。隣接する各層のペアは制限付きボルツマンマシン（RBM）を形成し、ネットワークはオプションの教師ありファインチューニングの前に、一度に一層ずつ貪欲に学習される。DBNはディープラーニングへの関心を再燃させ、生データからの階層的特徴学習が実行可能であることを示した。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 2). Deep Belief Network (DBN). ScholarGate. https://scholargate.app/ja/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.
Compare side by side →