Metodes pierādījumu reģistrs

Deep Belief Network

A Deep Belief Network is a generative probabilistic model composed of multiple layers of stochastic, latent variables. Introduced by Hinton, Osindero, and Teh in 2006, DBNs were among the first deep architectures to be trained efficiently. Each pair of adjacent layers forms a Restricted Boltzmann Machine, and the network is trained greedily, one layer at a time, before optional supervised fine-tuning. DBNs revived interest in deep learning and demonstrated that hierarchical feature learning from raw data is tractable.

Sources recorded, not reviewed

Avota reģistrs

Atsauces kopētas tieši no metodes avota reģistra. Tās nenozīmē nekādu apgalvojumu līmeņa verifikāciju.

Deep Belief Network (DBN)

Taksonomiskās metodes reģistrs · ml-model / deep-learning

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

Atvērt pilnu metodi

Kurēti apgalvojumi

Apgalvojumi saglabāti pierādījumu reģistrā, katram ar savu novērtējumu.

Vēl nav kurētu apgalvojumu

Šis skatījums neizgudro apgalvojumu novērtējumu, ja reģistrā tā nav.

Saistītās metodes

Ģenerēts no metodes grafika un parādīts kā mašīnas ieteiktas attiecības — netiek izvirzīts neviens pierādījumu apgalvojums.

Same method familyAutoencodermachine-suggested · Relational suggestion, not evidence.Same method familyMultilayer Perceptronmachine-suggested · Relational suggestion, not evidence.Often confused withRestricted Boltzmann Machinemachine-suggested · Relational suggestion, not evidence.