Dziļš ticamu tīkls (Deep Belief Network, DBN)
Dziļš ticamu tīkls ir ģeneratīvs, probabisks modelis, kas sastāv no vairākiem stohastisku, latento mainīgo slāņiem. Hinton, Osindero un Teh 2006. gadā ieviestie DBN bija starp pirmajām dziļajām arhitektūrām, ko varēja efektīvi apmācīt. Katrs blakus esošo slāņu pāris veido ierobežotu Boltzmana mašīnu (Restricted Boltzmann Machine, RBM), un tīkls tiek apmācīts alkatīgi, pa vienam slānim, pirms tiek veikta izvēles uzraudzīta precizēšana. DBN atjaunoja interesi par dziļo apmācību un demonstrēja, ka hierarhiska iezīmju apguve no neapstrādātiem datiem ir iespējama.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 2). Deep Belief Network (DBN). ScholarGate. https://scholargate.app/lv/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.
- AutoencoderDziļā mācīšanās↔ compare
- Daudzslāņu perceptrons (MLP)Dziļā mācīšanās↔ compare
- Ierobežota Boltzmanna mašīna (RBM)Dziļā mācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →